This project is concerned with solv

This project is concerned with solving several classes of difficult combinatorial optimization problems using very large-scale neighborhood (VLSN) search algorithms. The VLSN search algorithms are neighborhood search algorithms where the size of the neighborhood is very large, possibly exponential in terms of the input size parameters, and enumerating all neighbors and evaluating them is prohibitively expensive. The research relies on the use of improvement graphs for searching large neighborhoods. Improvement graphs allow optimizing over very large neighborhoods quickly. This methodology has been used to solve some classic combinatorial optimization problems as well as scheduling problems that have arisen in airline and railroad industries. For the problems that we have addressed, VLSN search algorithms, when implemented well, are robust and provide excellent solutions.The research project addresses VLSN search algorithms for three problem classes. The first problem class will be large-scale partitioning and constrained partitioning problems arising in clustering, data mining and timetabling. The second problems class will be integer multicommodity flow problems arising in logistics and telecommunication. Integer multicommodity flow problems are multicommodity flow problems where the flow of each commodity on any arc is required to be integer. The third class of problems to be investigated will be optional flight generation problem arising at United Airlines. The objective in the optional flight generation problem is to determine a set of good potential candidates for additional flight legs to be added to an airline schedule to improve overall profitability. The research of the PIs on VLSN search algorithms is motivated by the need to develop effective and practical heuristic (approximate) solution procedures for large-scale and structurally complex combinatorial optimization problems. The goal is to enhance the toolkit for heuristic search by developing new methodologies with broad applicability. We anticipate we and others will successfully develop and apply VLSN search techniques to a wide range of important combinatorial problem including problems arising in logistics and transportation and substantial savings will accrue by the use of these methods.

ผลลัพธ์ (ไทย) 1:

โครงการนี้เกี่ยวข้องกับการแก้ปัญหาเพิ่มประสิทธิภาพปัญหาที่ยากโดยใช้อัลกอริทึมการค้นหาขนาดใหญ่มากใกล้เคียง (VLSN) หลายประเภท อัลกอริทึมการค้นหา VLSN อยู่ย่านค้นหาอัลกอริทึมที่ขนาดของพื้นที่ใกล้เคียงอาจเนนในพารามิเตอร์อินพุตขนาด ขนาดใหญ่ และตรวจบ้านทั้งหมด และประเมินได้แพง prohibitively การวิจัยอาศัยการใช้กราฟปรับปรุงหาละแวกใกล้เคียงจำนวนมาก กราฟที่ปรับปรุงให้ประสิทธิภาพสูงสุดผ่านละแวกใกล้เคียงที่มีขนาดใหญ่มากได้อย่างรวดเร็ว มีการใช้วิธีนี้เพื่อแก้ปัญหาบางปัญหาเพิ่มประสิทธิภาพปัญหาคลาสสิกรวมทั้งปัญหาการจัดตารางเวลาที่ได้เกิดขึ้นในอุตสาหกรรมสายการบินและรถไฟ สำหรับปัญหาที่เรามีอยู่ VLSN ค้นหาอัลกอริทึม เมื่อใช้ดี มีประสิทธิภาพ และให้โซลูชั่นที่ดีเยี่ยม โครงการวิจัยที่อยู่ VLSN อัลกอริทึมค้นหาสามปัญหาในชั้นเรียน ปัญหาชั้นจะแบ่งพาร์ทิชันขนาดใหญ่ และปัญหาที่เกิดขึ้นในคลัสเตอร์ การทำเหมืองข้อมูล และ timetabling พาร์ทิชันจำกัด ระดับปัญหาที่สองจะเป็นจำนวนเต็มกระแส multicommodity ปัญหาที่เกิดขึ้นจากการขนส่งและโทรคมนาคม จำนวนเต็มกระแส multicommodity ปัญหาคือ กระแส multicommodity ปัญหาที่กระแสของแต่ละสินค้าบนโค้งใด ๆ จำเป็นต้องเป็น จำนวนเต็ม ปัญหาการถูกตรวจสอบชั้นที่สามจะบินก็ได้สร้างปัญหาเกิดขึ้นที่สายการบินยูไนเต็ด วัตถุประสงค์ในการบินก็ได้สร้างปัญหาในการ กำหนดชุดของดีผู้ที่มีศักยภาพสำหรับขาเที่ยวบินเพิ่มเติมเพื่อเพิ่มการจัดตารางการบินเพื่อเพิ่มผลกำไรโดยรวมได้ การวิจัยของ PIs ในอัลกอริทึมการค้นหา VLSN มีแรงจูงใจ โดยต้องพัฒนากระบวนการปฏิบัติ และมีผลบังคับใช้แล้ว (โดยประมาณ) โซลูชันปัญหาขนาดใหญ่ และซับซ้อน structurally ปัญหาประสิทธิภาพสูงสุด เป้าหมายคือการ เพิ่มเครื่องมือสำหรับค้นหาแล้ว โดยการพัฒนาหลักสูตรใหม่มีความเกี่ยวข้องของกว้าง เราคาดหวังเราและผู้อื่นจะประสบความสำเร็จพัฒนา และเทคนิคการค้นหา VLSN กับหลากหลายปัญหาปัญหาที่สำคัญรวมทั้งปัญหาที่เกิดขึ้นในโลจิสติกส์ และการขนส่งและประหยัดพบจะรับรู้ โดยใช้วิธีการเหล่านี้

ผลลัพธ์ (ไทย) 2:

โครงการนี​​้เป็นเรื่องที่เกี่ยวข้องกับการแก้หลายชั้นของปัญหาการเพิ่มประสิทธิภาพ combinatorial ยากใช้พื้นที่ใกล้เคียงขนาดใหญ่มาก (VLSN) ขั้นตอนวิธีการค้นหา ขั้นตอนวิธีการค้นหา VLSN มีขั้นตอนวิธีการค้นหาละแวกที่ขนาดของพื้นที่ใกล้เคียงที่มีขนาดใหญ่มากอาจจะชี้แจงในแง่ของขนาดพารามิเตอร์การป้อนข้อมูลและแจงเพื่อนบ้านทั้งหมดและการประเมินผลนั้นคือราคาแพง การวิจัยต้องอาศัยการใช้กราฟการปรับปรุงสำหรับการค้นหาในละแวกใกล้เคียงที่มีขนาดใหญ่ กราฟปรับปรุงช่วยให้เพิ่มประสิทธิภาพมากกว่าละแวกใกล้เคียงที่มีขนาดใหญ่มากได้อย่างรวดเร็ว วิธีการนี​​้ถูกนำมาใช้ในการแก้ปัญหาการเพิ่มประสิทธิภาพ combinatorial คลาสสิกเช่นเดียวกับการกำหนดปัญหาที่เกิดขึ้นในอุตสาหกรรมสายการบินและทางรถไฟ สำหรับปัญหาที่เรามี addressed, VLSN ขั้นตอนวิธีการค้นหาเมื่อดำเนินการได้ดีมีประสิทธิภาพและให้โครงการวิจัยโซลูชั่นที่ดีเยี่ยมอยู่ VLSN ขั้นตอนวิธีการค้นหาปัญหาสามชั้น ระดับปัญหาแรกจะแบ่งพาร์ทิชันขนาดใหญ่และการแบ่งพาร์ทิชัน จำกัด ปัญหาที่เกิดขึ้นในการจัดกลุ่มการทำเหมืองข้อมูลและ timetabling ปัญหาที่สองชั้นจะเป็นจำนวนเต็มปัญหาการไหล multicommodity ที่เกิดขึ้นในการขนส่งและการสื่อสารโทรคมนาคม จำนวนเต็มปัญหาการไหล multicommodity มีปัญหาการไหล multicommodity ที่การไหลเวียนของสินค้าแต่ละโค้งใด ๆ จะต้องเป็นจำนวนเต็ม ชั้นที่สามของปัญหาที่จะได้รับการตรวจสอบจะเป็นตัวเลือกเที่ยวบินที่ปัญหาที่เกิดขึ้นในยุคที่สายการบินยูไนเต็ด วัตถุประสงค์ในเที่ยวบินเป็นตัวเลือกรุ่นปัญหาคือการกำหนดชุดของผู้ที่มีศักยภาพที่ดีสำหรับขาเที่ยวบินเพิ่มเติมที่จะเพิ่มเข้ามาในตารางการบินเพื่อเพิ่มผลกำไรโดยรวม การวิจัยของปิ VLSN ในขั้นตอนวิธีการค้นหาแรงบันดาลใจจากความจำเป็นในการพัฒนาที่มีประสิทธิภาพและแก้ปัญหาในทางปฏิบัติ (โดยประมาณ) ขั้นตอนการแก้ปัญหาขนาดใหญ่และปัญหาการเพิ่มประสิทธิภาพของโครงสร้างที่ซับซ้อน combinatorial เป้าหมายคือการเพิ่มเครื่องมือสำหรับการค้นหาการแก้ปัญหาโดยการพัฒนาวิธีการใหม่ที่มีการบังคับใช้ในวงกว้าง เราคาดหวังที่เราและคนอื่น ๆ ที่ประสบความสำเร็จจะมีการพัฒนาและใช้เทคนิคการค้นหา VLSN ที่หลากหลายของปัญหา combinatorial ที่สำคัญรวมทั้งปัญหาที่เกิดขึ้นในโลจิสติกและการขนส่งและเงินออมที่สำคัญจะเกิดขึ้นโดยการใช้วิธีการเหล่านี้

ผลลัพธ์ (ไทย) 3:

โครงการนี้เกี่ยวข้องกับหลายชั้นของการเพิ่มประสิทธิภาพการแก้ไขปัญหาชุมชนมากยากใช้ขนาดใหญ่ ( vlsn ) ขั้นตอนวิธีการค้นหา การ vlsn ขั้นตอนวิธีการค้นหาเป็นขั้นตอนวิธีการค้นหาที่ใกล้เคียงกับขนาดของบ้านมีขนาดใหญ่มาก อาจจะอธิบายในแง่ของการป้อนข้อมูลขนาดพารามิเตอร์enumerating และเพื่อนบ้านทั้งหมด และประเมินพวกเขาจะแพง . การวิจัยอาศัยใช้ปรับปรุงกราฟการค้นหาย่านใหญ่ ปรับปรุงกราฟให้เหมาะสมกว่าย่านใหญ่อย่างรวดเร็ววิธีการนี้ได้ถูกใช้ในการแก้ปัญหาการเพิ่มประสิทธิภาพบางคลาสสิกเช่นเดียวกับการจัดปัญหาที่เกิดขึ้นในอุตสาหกรรมสายการบินและรถไฟ สำหรับปัญหาที่เราต้องให้ความสนใจ ขั้นตอนวิธีการค้นหา vlsn เมื่อใช้ดี มีเสถียรภาพ และให้บริการโซลูชั่นที่ดี โครงการวิจัยที่อยู่ในขั้นตอนวิธีการค้นหา vlsn สำหรับชั้นสามปัญหาห้องแรกจะเป็นปัญหาขนาดใหญ่และปัญหาที่เกิดขึ้นในการ จำกัด การแบ่งกลุ่ม เหมืองแร่ข้อมูลและบริหารจัดการใช้ห้องประชุม . ห้องปัญหาที่สองจะเป็นจำนวนเต็ม multicommodity ไหลปัญหาการขนส่งและโทรคมนาคมปัญหาการไหล multicommodity multicommodity จำนวนเต็มเป็นปัญหาที่การไหลของสินค้าในแต่ละโค้งต้องเป็นจำนวนเต็ม ชั้นที่สามของปัญหาควรจะเลือกปัญหาที่เกิดขึ้นในรุ่นเที่ยวบินสายการบิน .วัตถุประสงค์ในปัญหารุ่นเที่ยวบินตัวเลือกเพื่อตรวจสอบการตั้งค่าของผู้สมัครที่มีศักยภาพที่ดีสำหรับขาการบินเพิ่มเติมที่จะเพิ่มสายการบินตารางเพื่อปรับปรุงผลตอบแทนโดยรวมการวิจัยด้านในขั้นตอนวิธีการค้นหา vlsn เป็นแรงจูงใจ โดยต้องพัฒนาประสิทธิภาพการปฏิบัติและฮิวริสติก ( โดยประมาณ ) โซลูชั่นสำหรับกระบวนการขนาดใหญ่เพิ่มประสิทธิภาพและปัญหาเชิงโครงสร้างที่ซับซ้อน เป้าหมายคือการเพิ่มประสิทธิภาพเครื่องมือค้นหา ) โดยพัฒนาวิธีการใหม่กับกว้างการบังคับใช้เราคาดว่า เราและคนอื่น ๆ จะได้พัฒนา และใช้เทคนิคค้นหา vlsn เพื่อที่หลากหลายของปัญหารวมทั้งปัญหาที่สำคัญการโลจิสติกส์และการขนส่ง และความประหยัด จะเกิดขึ้นโดยการใช้วิธีการเหล่านี้