Many optimization problems of pract

Many optimization problems of practical interest are computationally intractable. Therefore,a practical approach for solving such problems is to employ heuristic (approximation) algorithms that can 6nd nearly optimal solutions within a reasonable amount of computation time. An improvement algorithm is a heuristic algorithm that generally starts with a feasible solution and iteratively tries to obtain a better solution. Neighborhood search algorithms (alternatively called local search algorithms) are a wide class of improvement algorithms where at each iteration an improving solution is found by searching the “neighborhood” of the current solution. A critical issue inthe designof a neighborhood search algorithm is the choice of the neighborhood structure, that is, the manner in which the neighborhood is de6ned. As a rule of thumb, the larger the neighborhood, the better is the quality of the locally optimal solutions, and the greater is the accuracy of the 6nal solution that is obtained. At the same time, the larger the neighborhood, the longer it takes to search the neighborhood at each iteration. For this reason, a larger neighborhood does not necessarily produce a more e

ผลลัพธ์ (ไทย) 1:

ปัญหาหลายอย่างปรับให้เหมาะสมน่าสนใจปฏิบัติจะ computationally intractable ดังนั้น เป็นแนวทางปฏิบัติสำหรับการแก้ปัญหาดังกล่าวคือการ ใช้อัลกอริทึม heuristic (ประมาณ) ที่สามารถ 6nd โซลูชั่นที่เหมาะสมเกือบภายในระยะเวลาคำนวณที่เหมาะสม การปรับปรุงอัลกอริทึมเป็นอัลกอริทึมแล้วซึ่งโดยทั่วไปเริ่ม มีการแก้ไขปัญหาเป็นไปได้ และพยายามซ้ำ ๆ เพื่อให้ได้อ่าน (หรือเรียกว่าอัลกอริทึมค้นหาท้องถิ่น) อัลกอริทึมค้นหาใกล้เคียงระดับกว้างของปรับปรุงอัลกอริทึมที่ที่เกิดซ้ำแต่ละ การปรับปรุงจะพบ โดยการค้นหา "ย่าน" ของการแก้ปัญหาปัจจุบันได้ ปัญหาสำคัญใน designof เป็นอัลกอริทึมค้นหาพื้นที่ใกล้เคียงเป็นทางเลือกของโครงสร้างบริเวณใกล้เคียง คือ ลักษณะที่ใกล้เคียงที่มี de6ned เป็นกฎของหัวแม่มือ ใหญ่มากพื้นที่ใกล้เคียง ดีกว่าคือ คุณภาพของโซลูชั่นดีที่สุดในประเทศ และยิ่งมีความถูกต้องของการแก้ปัญหา 6nal ที่ได้รับการ ในเวลาเดียวกัน ย่านใหญ่มาก นาน มันจะค้นหาบริเวณที่เกิดซ้ำแต่ละ ด้วยเหตุนี้ ย่านใหญ่ไม่จำเป็นต้องผลิตอีเพิ่มเติมborhood ค้นหาอัลกอริทึม "ใหญ่มาก" ขนาดของพื้นที่ใกล้เคียงกับขนาด ของข้อมูลป้อนเข้า และที่ย่านที่จะค้นหาในตัวอี =ลักษณะ cient เราสำรวจชั้นกว้างสามของอัลกอริทึมการค้นหา (VLSN) ขนาดใหญ่มากใกล้เคียง: วิธี (1) ตัวแปรความลึกขนาดใหญ่ละแวกใกล้เคียงเป็นการค้นหาสำนึก ละแวกใกล้เคียง (2) ขนาดใหญ่ในละแวกใกล้เคียงที่จะค้นหาโดยใช้เทคนิคเครือข่ายโบว์หรือไดนามิก

ผลลัพธ์ (ไทย) 2:

ปัญหาการเพิ่มประสิทธิภาพหลายงานที่น่าสนใจมีความยากคอมพิวเตอร์ ดังนั้นวิธีการปฏิบัติในการแก้ปัญหาดังกล่าวคือการแก้ปัญหาการจ้างงาน (ประมาณ) ขั้นตอนวิธีการที่สามารถ 6nd เกือบโซลูชั่นที่ดีที่สุดภายในจำนวนที่เหมาะสมของเวลาในการคำนวณ ขั้นตอนวิธีการปรับปรุงเป็นขั้นตอนวิธีการแก้ปัญหาที่มักจะเริ่มต้นด้วยการแก้ปัญหาที่เป็นไปได้และพยายามซ้ำเพื่อให้ได้ทางออกที่ดีกว่า ขั้นตอนวิธีการค้นหาพื้นที่ใกล้เคียง (เรียกว่าขั้นตอนวิธีการหรือการค้นหาในท้องถิ่น) เป็นระดับกว้างของขั้นตอนวิธีการปรับปรุงที่ซ้ำกันที่วิธีการแก้ปัญหาการปรับปรุงพบโดยการค้นหา "ใกล้เคียง" ของการแก้ปัญหาในปัจจุบัน เบี่ยงประเด็นที่สำคัญ designof วิธีการค้นหาพื้นที่ใกล้เคียงเป็นทางเลือกของโครงสร้างพื้นที่ใกล้เคียง, ที่อยู่, ลักษณะที่ใกล้เคียงจะ de6ned ตามกฎของหัวแม่มือที่มีขนาดใหญ่พื้นที่ใกล้เคียงที่ดีกว่าคือคุณภาพของการแก้ปัญหาที่ดีที่สุดในประเทศและเป็นความถูกต้องมากขึ้นของการแก้ปัญหา 6nal ที่ได้รับ ในเวลาเดียวกันที่มีขนาดใหญ่ใกล้เคียงอีกต่อไปก็จะใช้เวลาในการค้นหาพื้นที่ใกล้เคียงที่ซ้ำกัน ด้วยเหตุนี้พื้นที่ใกล้เคียงที่มีขนาดใหญ่ไม่จำเป็นต้องผลิตอีมากขึ้นขั้นตอนวิธีการค้นหา borhood ที่ขนาดของพื้นที่ใกล้เคียงคือ "ขนาดใหญ่มาก" ที่เกี่ยวกับขนาดของข้อมูลเข้าและในพื้นที่ใกล้เคียงจะค้นหาใน e = ลักษณะที่เพียงพอ เราสำรวจสามชั้นกว้างของการค้นหาพื้นที่ใกล้เคียงขนาดใหญ่มาก (VLSN) ขั้นตอนวิธีการดังนี้ (1) วิธีการตัวแปรเชิงลึกซึ่งในละแวกใกล้เคียงที่มีขนาดใหญ่จะค้นหา heuristically (2) ขนาดใหญ่ที่ละแวกใกล้เคียงในละแวกใกล้เคียงมีการค้นหาโดยใช้เทคนิคโบว์เครือข่ายหรือแบบไดนามิก

ผลลัพธ์ (ไทย) 3:

ปัญหาการเพิ่มประสิทธิภาพหลายงานที่น่าสนใจมี computationally แก่นแก้ว ดังนั้น แนวทางการปฏิบัติเพื่อแก้ไขปัญหาดังกล่าวคือการใช้ฮิวริสติก ( ประมาณ ) ขั้นตอนวิธีที่สามารถ 6nd เกือบโซลูชั่นที่เหมาะสมภายในจำนวนที่เหมาะสมของเวลาการคำนวณได้การปรับปรุงอัลกอริทึมฮิวริสติกอัลกอริทึมที่เป็นโดยทั่วไปจะเริ่มต้นจากคำตอบที่เป็นไปได้ และซ้ำพยายามที่จะได้รับโซลูชั่นที่ดีกว่า ขั้นตอนวิธีการเพื่อนบ้าน ( หรือเรียกว่าขั้นตอนวิธีการค้นหาเฉพาะที่เป็นห้องกว้างของขั้นตอนวิธีการปรับปรุงในแต่ละ iteration ที่พัฒนาโซลูชั่นที่พบโดยการค้นหา " ละแวก " ของการแก้ปัญหาในปัจจุบันเป็นปัญหาสำคัญในย่านออกแบบขั้นตอนวิธีเป็นทางเลือกของโครงสร้างบ้านที่เป็นลักษณะที่เพื่อนบ้าน de6ned . ในฐานะที่เป็นกฎของหัวแม่มือ , ขนาดใหญ่ใกล้ๆ ดีกว่า คือ คุณภาพของโซลูชั่นในประเทศที่เหมาะสม และยิ่งมีความถูกต้องของการแก้ปัญหา 6nal ที่ได้รับ ในเวลาเดียวกัน ใหญ่กว่าบ้านต่อไปจะใช้เวลาในการค้นหาแถวที่ซ้ำกัน . ด้วยเหตุผลนี้ ชุมชนขนาดใหญ่ ไม่จําเป็นต้องผลิตมากขึ้นและ < ective ฮิวริสติกเว้นแต่หนึ่งสามารถค้นหาขนาดใหญ่ละแวกในมาก E = cient ลักษณะ บทความนี้มุ่งเน้นฮี้ -
วิธีการค้นหา borhood ที่ขนาดของชุมชนเป็น " ใหญ่ " มากเทียบกับขนาดของข้อมูลที่ป้อนในที่ละแวกคือ E = cient ค้นหาในลักษณะ เราสำรวจทั้งหมด 3 ห้องเรียน กว้างของการค้นหาเพื่อนบ้านมากขนาดใหญ่ ( vlsn ) อัลกอริทึม ( 1 ) วิธีการของตัวแปรในย่านใดค้นหา heuristically ขนาดใหญ่ ,( 2 ) ย่านที่มีขนาดใหญ่ ซึ่งในย่านจะค้นหาโดยใช้เทคนิคเครือข่ายโบว์หรือแบบไดนามิก