In recentliterature, Zhu et al. (20

In recent
literature, Zhu et al. (2011) extend the conventional SND
and include car classification and blocking, and train make-up in
a railway system. Their space–time modeling includes three layers
for service, block, and car. They design a hybrid metaheuristic algorithm
combining slope scaling, long-term memory-based perturbation
strategies, and ellipsoidal search method, which can solve
problems with up to 10 yards, 60 tracks and 3050 services. In solving
small sized instances, in case their model cannot find the optimal
solution in 10 hours, it reaches an optimality gap of 0.13%.
Moreover, in solving bigger sizes, it outperforms a commercial solver
both in time and solution quality.

ผลลัพธ์ (ไทย) 1:

ที่ผ่านมาในวรรณกรรม zhu ตอัล (2011) ขยาย SND เดิม
และรวมถึงการจัดหมวดหมู่และการสกัดกั้นรถและรถไฟแต่งหน้าใน
ระบบรถไฟ การสร้างแบบจำลองพื้นที่เวลาของพวกเขารวมถึงสามชั้น
สำหรับการให้บริการบล็อกและรถ พวกเขาออกแบบ metaheuristic ขั้นตอนวิธีไฮบริด
รวมปรับลาดก่อกวนหน่วยความจำที่ใช้ในระยะยาว
กลยุทธ์และวิธีการค้นหารูปวงรีซึ่งสามารถแก้
ปัญหาที่มีถึง 10 เมตร, 60 แทร็คและ 3050 บริการ ในการแก้กรณี
ขนาดเล็กในกรณีที่รูปแบบของพวกเขาไม่สามารถหาที่ดีที่สุด
แก้ปัญหาใน 10 ชั่วโมงก็ถึงช่องว่าง optimality 0.13%.
นอกจากนี้ในการแก้ขนาดใหญ่ก็จะมีประสิทธิภาพดีกว่าแก้เชิงพาณิชย์
ทั้งในเวลาและคุณภาพการแก้ปัญหา .

ผลลัพธ์ (ไทย) 2:

ในล่าสุด
วรรณกรรม ซู et al. (2011) ขยายราคา SND ธรรมดา
และประเภทของรถยนต์และบล็อก และฝึกแต่งหน้าใน
ระบบรถไฟ โมเดล space–time ของพวกเขามีสามชั้น
สำหรับ บล็อก และรถยนต์ พวกเขาออกแบบขั้นตอนวิธี metaheuristic ไฮบริ
รวมความมาตราส่วน ระยะยาวโดยใช้หน่วยความจำ perturbation
กลยุทธ์ และวิธีการค้นหา ellipsoidal ซึ่งสามารถแก้
ปัญหาถึง 10 หลา เพลง 60 และบริการ 3050 ในการแก้
เล็กขนาดอินสแตนซ์ ในกรณีที่แบบจำลองของพวกเขาไม่พบดีที่สุด
โซลูชันใน 10 ชั่วโมง จะถึงช่องว่าง optimality การของ 0.13%.
Moreover ในการแก้ปัญหาขนาดใหญ่ มัน outperforms ตัวแก้ค้า
ทั้งในเวลาและแก้ปัญหา

ผลลัพธ์ (ไทย) 3:

เมื่อไม่นานมานี้ในวรรณกรรม Zhu Asian et al . ( 2011 )ขยาย‐ SND ทั่วไป
และรวมถึงการปิดกั้นและการแบ่ง ประเภท รถยนต์และรถไฟในระบบรถไฟ
ซึ่งจะช่วยให้ การสร้างแบบจำลองพื้นที่ - เวลาของเขารวมถึงสามชั้น
สำหรับบริการบล็อกและที่จอดรถ การออกแบบที่อัลกอริธึม metaheuristic ไฮบริด
ซึ่งจะช่วยการผสานรวมการปรับกลยุทธ์ความลาดชันทำให้กระวนกระวาย
ใช้หน่วยความจำระยะยาวและวิธีการค้นหา ellipsoidal ซึ่งสามารถแก้ปัญหา
ปัญหาที่เกิดขึ้นกับได้ถึง 10 หลา 60 เพลงและบริการ 3050 .
ซึ่งจะช่วยในการแก้ไขปัญหากรณีมีขนาดกลางขนาดเล็กในกรณีของไม่สามารถค้นหาโซลูชันที่เหมาะสมที่สุด
ซึ่งจะช่วยใน 10 ชั่วโมงถึงช่องว่างที่กุมของ 0.13% .
นอกจากนี้ในการแก้ไขขนาดใหญ่ที่มีนักการค้า
ซึ่งจะช่วยทั้งในด้าน คุณภาพ และโซลูชันเวลา