Mc, np). To find the proper heurist

Mc, np). To find the proper heuristicwhich increases the solution quality
and improves the global searching capability, the algorithm was run
several times and the parameters are randomly generated. Further,
computer runs were performed nine times for each combination according
to the methodology proposed by Payá-Zarforteza et al. [48]
based on the extreme value theory. A span length of 35 m was considered.
Figs. 5 and 6 show, respectively, the best solutions for cost and
CO2 emissions and the computing time for each combination. Table 6
gives the results of a six case-study series whose results are optimal
when both CO2 emissions and computing time are considered. S1 is
the heuristic that provides a lower minimum emission (170,002.39 kg
CO2). Besides, the average emission and computing timeare reasonable.
The difference checked between the minimum CO2 emissions obtained
with the nine SAGSO runs and the extreme value estimated using the
three-parameter Weibull distribution that fits 50 SAGSO results is less
than 0.7%. So, this set of parameters is chosen. Similarly, Table 7 gives
the results for the parameter calibration using cost as objective function.
Note that our previous test for a span length of 35 m showed that the
best results for the GSO and SA algorithms were 218,264.59 kg CO2
and 182,652.04 kg CO2, respectively.

ผลลัพธ์ (ไทย) 2:

Mc, NP) เพื่อหาสิ่งที่เหมาะสม heuristicwhich เพิ่มคุณภาพการแก้ปัญหา
และช่วยเพิ่มความสามารถในการค้นหาทั่วโลกอัลกอริทึมที่ถูกเรียก
หลายครั้งและพารามิเตอร์ที่มีการสร้างแบบสุ่ม นอกจากนี้
การทำงานของเครื่องคอมพิวเตอร์ได้ดำเนินการเก้าครั้งสำหรับแต่ละชุดตาม
เกี่ยวกับวิธีการที่เสนอโดยพญา-Zarforteza et al, [48]
​​ตามทฤษฎีคุ้มค่ามาก ความยาวช่วง 35 เมตรได้รับการพิจารณา.
มะเดื่อ 5 และ 6 แสดงตามลำดับโซลูชั่นที่ดีที่สุดสำหรับค่าใช้จ่ายและ
การปล่อย CO2 และเวลาที่ใช้คอมพิวเตอร์สำหรับแต่ละชุด ตารางที่ 6
ให้ผลของชุดหกกรณีศึกษาที่มีผลเป็นที่ที่ดีที่สุด
เมื่อทั้งสองปล่อย CO2 และเวลาที่ใช้คอมพิวเตอร์ได้รับการพิจารณา S1 คือ
การแก้ปัญหาที่มีการปล่อยก๊าซขั้นต่ำที่ต่ำกว่า (170,002.39 กิโลกรัม
CO2) นอกจากนี้การปล่อยก๊าซเฉลี่ยและคอมพิวเตอร์ timeare ที่เหมาะสม.
ความแตกต่างระหว่างการตรวจสอบการปล่อย CO2 ต่ำสุดที่ได้รับ
กับเก้าวิ่ง SAGSO และคุ้มค่ามากประมาณโดยใช้
สามพารามิเตอร์กระจาย Weibull ที่เหมาะกับผล 50 SAGSO น้อย
กว่า 0.7% ดังนั้นชุดของพารามิเตอร์นี้จะได้รับการแต่งตั้ง ในทำนองเดียวกันตารางที่ 7 จะช่วยให้
ผลการสอบเทียบพารามิเตอร์ค่าใช้จ่ายที่เป็นฟังก์ชันวัตถุประสงค์.
โปรดทราบว่าการทดสอบก่อนหน้าของเราสำหรับความยาวช่วง 35 เมตรแสดงให้เห็นว่า
ผลลัพธ์ที่ดีที่สุดสำหรับ GSO และ SA ขั้นตอนวิธีการเป็น 218,264.59 กิโลกรัม CO2
และ 182,652.04 กิโลกรัม CO2 ตามลำดับ .

ผลลัพธ์ (ไทย) 3:

พิธีกร , NP ) หา heuristicwhich เหมาะสมเพิ่มคุณภาพโซลูชั่นและช่วยเพิ่มความสามารถในการค้นหาทั่วโลก , วิธีการวิ่งหลายครั้งและพารามิเตอร์ที่ถูกสร้างขึ้นแบบสุ่ม เพิ่มเติมคอมพิวเตอร์ทำงานได้เก้าครั้งสำหรับแต่ละชุดตามวิธีการที่เสนอโดยจ่าย . kgm - zarforteza et al . [ 48 ]ตามทฤษฎีค่าสุดขีด ช่วงความยาว 35 เมตร ก็ถือว่ามะเดื่อ . 5 และ 6 แสดงตามลำดับ ต้นทุนและโซลูชั่นที่ดีที่สุดสำหรับการปล่อย CO2 และเวลาคอมพิวเตอร์สำหรับแต่ละชุด ตารางที่ 6ให้ผลลัพธ์ของหกกรณีศึกษาที่มีผลลัพธ์ที่ดีที่สุดชุดเมื่อทั้งการปล่อย CO2 และเวลาคอมพิวเตอร์เป็นสำคัญ S1 คือที่ช่วยลดมลพิษที่ให้น้อยที่สุด ( 170002.39 กก.CO2 ) นอกจากนี้ การปล่อยเฉลี่ยและคอมพิวเตอร์ timeare ที่เหมาะสมความแตกต่างระหว่างการปล่อย CO2 ต่ำได้ตรวจสอบกับเก้า sagso วิ่งและมากค่าประมาณการใช้สามพารามิเตอร์การแจกแจงไวบูลล์ที่เหมาะกับผล sagso 50 จะน้อยลงกว่า 0.7% ดังนั้นชุดของพารามิเตอร์นี้จะถูกเลือก ตารางที่ 7 ได้เช่นกันผลการค้นหาสำหรับปรับแต่งพารามิเตอร์โดยใช้ต้นทุนเป็นฟังก์ชันวัตถุประสงค์ทราบว่าก่อนหน้านี้ทดสอบของเราสำหรับความยาว 35 เมตร พบว่าผลลัพธ์ที่ดีที่สุดสำหรับ gso และซาขั้นตอนวิธีถูก 218264.59 กิโลกรัมคาร์บอนไดออกไซด์182652.04 CO2 และกิโลกรัม ตามลำดับ