3. Proposed method 3.1. The method

3. Proposed method
3.1. The method solving ILP with revised B&B procedure
many researchers have a great deal to solve ILP problem for four decades 6 some of are and some are too complicated for business use. Compared with many others, B&B pro- cedure which uses the enumerative divide-and-conquer technique is a better method. Besides, B&B has already been in common use now. However, it might require an enormous amount of computation sometimes when solving large-scale ILP problems. Although there are heuristics for enhancing the ability of B&B by guessing which branch could lead to a quick solution, there is no solid theory that will always yield consistent results Hence, in this section, we propose a revise method to IPL Our method to cutoriginal the space many subspaces using objective function before implementing It could narrow down feasible solution range. After labeling these subspaces based on the"distance" from objective function, we can apply upon subspaces one by one. The nearest subspace will be the first one to be searched The first optimum solution we get in the nearest sub is promised to be the optimum solution in all solution space because of using objective function. The procedure of our proposed is explained below

ผลลัพธ์ (ไทย) 1:

3. นำเสนอวิธี 3.1. วิธีแก้ ILP พร้อมปรับปรุงบีแอนด์บีขั้นตอน นักวิจัยหลายคนได้อย่างมากในการแก้ปัญหา ILP สำหรับสี่ทศวรรษ 6 บางตัวมีและบางมีความซับซ้อนเกินไปสำหรับใช้ในงาน เมื่อเทียบกับคนอื่น ๆ บีแอนด์บีโป cedure ซึ่งใช้เทคนิคการแบ่ง และพิชิต enumerative เป็นวิธีดีกว่า บีแอนด์บีแล้วกันใช้เดี๋ยวนี้ อย่างไรก็ตาม มันอาจต้องใช้จำนวนมหาศาลของการคำนวณบางครั้งเมื่อการแก้ปัญหาขนาดใหญ่ของ ILP แม้ว่าจะมีการรุกในการเพิ่มความสามารถของบีแอนด์บีโดยคาดเดาสาขาซึ่งอาจนำไปสู่การแก้ไขปัญหาอย่างรวดเร็ว มีทฤษฎีไม่แข็งที่จะเสมอให้สอดคล้องผล Hence ในส่วนนี้ เราเสนอวิธีแก้ไขการ IPL ของเราวิธีการ cutoriginal พื้นที่หลาย subspaces ใช้ฟังก์ชันวัตถุประสงค์ก่อนการใช้งานอาจแคบลงช่วงแก้ปัญหาไปได้ หลังจากที่ติดฉลากเหล่านี้ subspaces "ระยะ" จากฟังก์ชันวัตถุประสงค์ เราสามารถนำไปใช้เมื่อ subspaces หนึ่ง Subspace ที่ใกล้ที่สุดจะเป็นคนแรกที่จะค้นหาโซลูชันที่เหมาะสมแรกเราได้รับในย่อยที่ใกล้ที่สุดคือสัญญาว่า จะเป็นการแก้ไขที่ดีที่สุดในพื้นที่ทั้งหมดของโซลูชันได้เนื่องจากใช้ฟังก์ชันวัตถุประสงค์ อธิบายขั้นตอนของการนำเสนอของเราด้านล่าง

ผลลัพธ์ (ไทย) 2:

3. วิธีที่นำเสนอ
3.1 ILP แก้ด้วยวิธีปรับปรุง B & B ขั้นตอนการ
วิจัยหลายคนมีการจัดการที่ดีในการแก้ปัญหา ILP สี่ทศวรรษที่ผ่านมา 6 บางส่วนและบางส่วนมีความซับซ้อนเกินไปสำหรับการใช้งานทางธุรกิจ เมื่อเทียบกับคนอื่น ๆ B & B โปร cedure ซึ่งใช้เทคนิคการแบ่งและพิชิต enumerative เป็นวิธีที่ดีกว่า นอกจาก B & B ได้รับอยู่แล้วในการใช้งานทั่วไปในขณะนี้ แต่ก็อาจจำเป็นต้องใช้จำนวนมหาศาลของการคำนวณบางครั้งเมื่อการแก้ปัญหา ILP ขนาดใหญ่ แม้ว่าจะมีการวิเคราะห์พฤติกรรมเพื่อเสริมสร้างความสามารถของ B & B โดยการคาดเดาซึ่งสาขาที่อาจนำไปสู่การแก้ปัญหาได้อย่างรวดเร็วไม่มีทฤษฎีที่เป็นของแข็งที่มักจะให้ผลที่สอดคล้องกันดังนั้นในส่วนนี้เราจึงนำเสนอวิธีการแก้ไขให้ IPL วิธีการของเราในการ cutoriginal พื้นที่ subspaces หลายฟังก์ชั่นการใช้วัตถุประสงค์ก่อนที่จะใช้มันอาจแคบลงช่วงการแก้ปัญหาที่เป็นไปได้ หลังจากการติดฉลาก subspaces เหล่านี้ขึ้นอยู่กับ "ระยะทาง" จากฟังก์ชันวัตถุประสงค์เราสามารถใช้เมื่อ subspaces หนึ่งโดยหนึ่ง สเปซที่ใกล้ที่สุดจะเป็นคนแรกที่จะค้นหาวิธีการแก้ปัญหาที่ดีที่สุดครั้งแรกที่เราได้รับในการย่อยที่ใกล้ที่สุดสัญญาว่าจะเป็นทางออกที่ดีที่สุดในการแก้ปัญหาพื้นที่ทั้งหมดเป็นเพราะการใช้ฟังก์ชันวัตถุประสงค์ ขั้นตอนของการเสนอของเราจะมีการอธิบายดังต่อไปนี้