5. MEMETIC ALGORITHMThe basic idea

5. MEMETIC ALGORITHM
The basic idea of a memetic algorithm (MA) is|at least as
it is most commonly interpreted|to extend an evolutionary
algorithm by a local search component in a suitable way to
increase the solution quality or speed up the search; for a
more general introduction to MAs see [17].
For the CTP, we use the EA variant that has been found
to perform best in [4] as a basis. As already mentioned in
Section 2 it always applies prune-delete-graft (PDG) recombination
and no mutation. The EA selects parents via binary
tournaments with replacement and works in a steady-state
fashion, i.e. in each iteration one ospring is derived, and
it always replaces the worst solution in the population with
one exception: To avoid duplicates and enforce a minimum
diversity, new solutions having the same TreeRank score as
solutions in the population are immediately discarded. The
initial population consists of a copy of the input tree collection
T and otherwise randomly created trees on L without
any bias. In addition to [4] we also tried to use recombination
and mutation together, though according to preliminary

ผลลัพธ์ (ไทย) 2:

5. ขั้นตอนวิธี memetic
แนวคิดพื้นฐานของอัลกอริทึม memetic (MA) เป็น |
อย่างน้อยมันถูกตีความกันมากที่สุด|
ที่จะขยายการวิวัฒนาการขั้นตอนวิธีโดยองค์ประกอบการค้นหาในท้องถิ่นในทางที่เหมาะสมในการเพิ่มคุณภาพการแก้ปัญหาหรือความเร็วในการค้นหานั้น
สำหรับแนะนำทั่วไปมากขึ้นที่จะเห็น MAs [17]. สำหรับ CTP เราจะใช้ตัวแปรอีเอที่ได้พบในการดำเนินการที่ดีที่สุดใน[4] เป็นพื้นฐาน ดังที่ได้กล่าวแล้วในส่วนที่ 2 ก็มักจะใช้ลูกพรุนลบ-รับสินบน (โคตร) รวมตัวกันอีกและไม่มีการกลายพันธุ์ อีเอจะเลือกผู้ปกครองผ่านไบนารีการแข่งขันด้วยการเปลี่ยนและการทำงานในสภาวะที่คงแฟชั่นเช่นในแต่ละซ้ำหนึ่งo ฤดูใบไม้ผลิมาและ? มันก็แทนที่วิธีการแก้ปัญหาที่เลวร้ายที่สุดในกลุ่มประชากรที่มีข้อยกเว้น: เพื่อหลีกเลี่ยงที่ซ้ำกันและการบังคับใช้น้อยที่สุด ความหลากหลายโซลูชั่นใหม่ที่มีคะแนน TreeRank เดียวกับการแก้ปัญหาในประชากรที่จะถูกยกเลิกทันที ประชากรเริ่มต้นประกอบด้วยสำเนาของคอลเลกชันการป้อนข้อมูลต้นไม้T และต้นไม้อื่น ๆ ที่สร้างขึ้นแบบสุ่มใน L โดยไม่มีอคติใดๆ นอกเหนือไปจาก [4] นอกจากนี้เรายังพยายามที่จะใช้การรวมตัวและการกลายพันธุ์ด้วยกันแต่ตามเบื้องต้น

ผลลัพธ์ (ไทย) 3:

5 . วิธีการลอกแบบ
แนวคิดพื้นฐานของขั้นตอนวิธีมีม ( MA ) | อย่างน้อย
มันมักตีความ | ขยายขั้นตอนวิธีวิวัฒนาการ
โดยคอมโพเนนต์การค้นหาในท้องถิ่นใน วิธีที่เหมาะสมเพื่อ
เพิ่มโซลูชั่นคุณภาพหรือเพิ่มความเร็วในการค้นหา สำหรับ A
ทั่วไปแนะนำเพิ่มเติมดู [ 17 ] .
สำหรับ CTP , เราใช้ EA ตัวที่ได้รับการพบ
แสดงที่ดีที่สุดใน [ 4 ] เป็นพื้นฐานดังที่ได้กล่าวไว้ในส่วนที่ 2 ก็ใช้กาน

การทาบกิ่ง ( PDG ) ลบและไม่มีการกลายพันธุ์ EA เลือกพ่อแม่ผ่านการแข่งขันไบนารี
แทน และทำงานในภายใต้
แฟชั่น เช่นในแต่ละ iteration หนึ่ง o  ฤดูใบไม้ผลิได้มาและ
เสมอแทนที่โซลูชั่นที่เลวร้ายที่สุดในประชากรกับ
ข้อยกเว้น : เพื่อหลีกเลี่ยงการทำซ้ำ และการบังคับใช้ความหลากหลายน้อย
,โซลูชั่นใหม่มีคะแนน treerank เดียวกับ
โซลูชั่นในประชากรทันที ทิ้ง
ประชากรเริ่มต้นประกอบด้วยสำเนาของข้อมูลต้นไม้คอลเลกชัน
T และอย่างอื่นที่สร้างขึ้นแบบสุ่มต้นไม้บนผมโดยไม่
พระเจ้าลูกเธอ . นอกจาก [ 4 ] นอกจากนี้เรายังพยายามที่จะใช้การ
และการกลายพันธุ์ด้วยกัน แม้ว่าตามเบื้องต้น