Many optimization problems that mod

Many optimization problems that model the essential issues of important real-world decision making are computationally intractable. Therefore, a practical approach for solving such problems is to employ heuristic techniques that find nearly optimal solutions within a reasonable amount of computation time. Improvement algorithms generally start with a feasible solution and iteratively try to obtain a better solution. Neighborhood search algorithms, which are alternatively called local search algorithms, are a wide class of improvement algorithms where at each iteration an improving solution is found by searching a “neighborhood” of the current solution. A critical issue in the design of a neighborhood search algorithm is defining what solutions constitute the neighborhood of a solution. As a rule of thumb, the larger the neighborhood, the better is the quality of the locally optimal solutions, including the final solution selected upon termination. Similarly, the larger the neighborhood, the longer it takes to search the neighborhood. Thus, a larger neighborhood does not necessarily produce a more effective heuristic unless one can search the larger neighborhood efficiently. This article concentrates on neighborhood search algorithms where the size of the neighborhood is “very large” with respect to the size of the input data and the neighborhood can be searched efficiently. We survey three broad classes of very large-scale neighborhood (VLSN) search algorithms: variable-depth methods in which large neighborhoods are searched heuristically, large neighborhoods that are searched by solving a constrained minimum–cost flow problem, and other situations that give rise to efficiently searchable large neighborhoods.

ผลลัพธ์ (ไทย) 1:

ปัญหาปรับจำนวนมากที่รุ่นปัญหาสำคัญของสำคัญจริงตัดสิน เป็น computationally intractable ดังนั้น เป็นแนวทางปฏิบัติสำหรับการแก้ปัญหาดังกล่าวคือการ ใช้เทคนิคแล้วที่ค้นหาโซลูชั่นเกือบสูงสุดภายในระยะเวลาคำนวณที่เหมาะสม ปรับปรุงอัลกอริทึมโดยทั่วไปจะเริ่ม มีการแก้ไขปัญหาเป็นไปได้ และซ้ำ ๆ พยายามอ่าน ย่านค้นหาอัลกอริทึม หรือจะเรียกอัลกอริทึมค้นหาท้องถิ่น ระดับกว้างของปรับปรุงอัลกอริทึมที่ที่เกิดซ้ำแต่ละ การปรับปรุงจะพบ โดยการค้นหา "ย่าน" ของการแก้ปัญหาปัจจุบันได้ ปัญหาสำคัญในการออกแบบขั้นตอนวิธีในการค้นหาพื้นที่ใกล้เคียงได้กำหนดว่าโซลูชั่นเป็นย่านของโซลูชัน เป็นกฎของหัวแม่มือ ใหญ่มากพื้นที่ใกล้เคียง ดีกว่าเป็นคุณภาพของโซลูชั่นดีที่สุดในประเทศ รวมทั้งการแก้ปัญหาสุดท้ายที่เลือกเมื่อมีการเลิกจ้าง ในทำนองเดียวกัน ใหญ่ละแวก นานที่จะค้นหาพื้นที่ใกล้เคียง ดังนั้น ย่านใหญ่ไม่จำเป็นต้องผลิต heuristic มีประสิทธิภาพยกเว้นหนึ่งสามารถค้นหาพื้นที่ใกล้เคียงที่มีขนาดใหญ่ได้อย่างมีประสิทธิภาพ บทความนี้เน้นที่ขนาดของพื้นที่ใกล้เคียงเป็น "ใหญ่มาก" อัลกอริทึมค้นหาใกล้เคียงกับขนาดของข้อมูลป้อนเข้าและพื้นที่ใกล้เคียงสามารถค้นหาได้อย่างมีประสิทธิภาพได้ เราสำรวจประเภทกว้างสามย่านมากขนาดใหญ่ (VLSN) ค้นหาอัลกอริทึม: วิธีตัวแปรเชิงลึกที่ละแวกใกล้เคียงจำนวนมากอยู่ละแวกใกล้เคียงขนาดใหญ่ ค้นหาสำนึกการค้น โดยแก้น้อย – ต้นทุนจำกัด กระแสสถานการณ์ปัญหา และอื่น ๆ ที่ก่อให้เกิดการมีประสิทธิภาพยากใหญ่ละแวกใกล้เคียง

ผลลัพธ์ (ไทย) 2:

ปัญหาการเพิ่มประสิทธิภาพจำนวนมากที่จำลองปัญหาที่สำคัญของการตัดสินใจที่สำคัญที่แท้จริงของโลกที่มีว่ายากคอมพิวเตอร์ ดังนั้นวิธีการปฏิบัติในการแก้ปัญหาดังกล่าวคือการใช้เทคนิคการแก้ปัญหาที่หาทางแก้ปัญหาที่ดีที่สุดเกือบภายในจำนวนที่เหมาะสมของเวลาในการคำนวณ ขั้นตอนวิธีการปรับปรุงโดยทั่วไปเริ่มต้นด้วยการเป็นทางออกที่เป็นไปได้และพยายามซ้ำเพื่อให้ได้ทางออกที่ดีกว่า ขั้นตอนวิธีการค้นหาพื้นที่ใกล้เคียงซึ่งเรียกว่าขั้นตอนวิธีการหรือการค้นหาในท้องถิ่นเป็นระดับกว้างของขั้นตอนวิธีการปรับปรุงที่ซ้ำกันที่วิธีการแก้ปัญหาการปรับปรุงพบโดยการค้นหา "ใกล้เคียง" ของการแก้ปัญหาในปัจจุบัน ปัญหาที่สำคัญในการออกแบบวิธีการค้นหาพื้นที่ใกล้เคียงที่มีการกำหนดสิ่งที่ก่อให้เกิดการแก้ปัญหาพื้นที่ใกล้เคียงของการแก้ปัญหา ตามกฎของหัวแม่มือที่มีขนาดใหญ่พื้นที่ใกล้เคียงที่ดีคือคุณภาพของการแก้ปัญหาที่ดีที่สุดในประเทศรวมถึงทางออกสุดท้ายที่เลือกเมื่อมีการยกเลิก ในทำนองเดียวกันที่มีขนาดใหญ่ใกล้เคียงอีกต่อไปก็จะใช้เวลาในการค้นหาพื้นที่ใกล้เคียง ดังนั้นพื้นที่ใกล้เคียงที่มีขนาดใหญ่ไม่จำเป็นต้องแก้ปัญหาการผลิตมีประสิทธิภาพมากขึ้นถ้าผู้ใดสามารถค้นหาย่านที่มีขนาดใหญ่ได้อย่างมีประสิทธิภาพ บทความนี้มุ่งเน้นที่ขั้นตอนวิธีการค้นหาละแวกที่ขนาดของพื้นที่ใกล้เคียงคือ "ขนาดใหญ่มาก" ที่เกี่ยวกับขนาดของข้อมูลเข้าและพื้นที่ใกล้เคียงสามารถค้นหาได้อย่างมีประสิทธิภาพ เราสำรวจสามชั้นกว้างของพื้นที่ใกล้เคียงขนาดใหญ่มาก (VLSN) ขั้นตอนวิธีการค้นหา: วิธีตัวแปรเชิงลึกซึ่งในละแวกใกล้เคียงที่มีขนาดใหญ่จะค้นหา heuristically ละแวกใกล้เคียงขนาดใหญ่ที่มีการค้นหาโดยการแก้ปัญหาการไหลขั้นต่ำค่าใช้จ่ายที่ จำกัด และสถานการณ์อื่น ๆ ที่ก่อให้เกิด ย่านที่มีขนาดใหญ่ได้อย่างมีประสิทธิภาพสามารถค้นหาได้

ผลลัพธ์ (ไทย) 3:

ปัญหาการเพิ่มประสิทธิภาพหลายรูปแบบ สรุปประเด็นที่สำคัญจริง การตัดสินใจจะ computationally แก่นแก้ว ดังนั้น แนวทางการปฏิบัติเพื่อแก้ไขปัญหาดังกล่าวคือ การใช้เทคนิคการแก้ปัญหาที่พบเกือบโซลูชั่นที่เหมาะสมภายในจำนวนที่เหมาะสมของเวลาการคำนวณได้ขั้นตอนวิธีการปรับปรุงโดยทั่วไปเริ่มต้นจากคำตอบที่เป็นไปได้ และซ้ำพยายามที่จะได้รับโซลูชั่นที่ดีกว่า วิธีการค้นหาละแวก ซึ่งวิธีหนึ่งเรียกว่าขั้นตอนวิธีการค้นหาในท้องถิ่นเป็นห้องกว้างของขั้นตอนวิธีการปรับปรุงในแต่ละ iteration ที่พัฒนาโซลูชั่นที่พบโดยการค้นหา " ละแวก " ของการแก้ปัญหาในปัจจุบันปัญหาที่สำคัญในการออกแบบขั้นตอนวิธีการเพื่อนบ้านเป็นสิ่งที่โซลูชั่นเป็นละแวกของโซลูชั่น ในฐานะที่เป็นกฎของหัวแม่มือ , ขนาดใหญ่ใกล้ๆ ดีกว่า คือ คุณภาพของโซลูชั่นในประเทศที่ดีที่สุด รวมทั้งโซลูชั่นสุดท้ายเลือกเมื่อสิ้นสุด ส่วนใหญ่ในละแวกนั้น ต่อไปจะใช้เวลาในการค้นหาบ้าน ดังนั้นชุมชนขนาดใหญ่ ไม่จําเป็นต้องผลิตมีประสิทธิภาพมากขึ้น การแก้ปัญหานอกจากหนึ่งสามารถค้นหาขนาดใหญ่ชุมชนได้อย่างมีประสิทธิภาพ บทความนี้มุ่งเน้นย่านขั้นตอนวิธีการค้นหาที่ขนาดของชุมชนเป็น " ใหญ่ " มากตามขนาดของข้อมูล และพื้นที่ใกล้เคียง ที่สามารถค้นหาได้อย่างมีประสิทธิภาพเราสำรวจชั้นสามของบ้านกว้างมากขนาดใหญ่ ( vlsn ) ขั้นตอนวิธีการค้นหา : วิธีการตัวแปรที่ความลึกย่านขนาดใหญ่ค้นหา heuristically ย่านขนาดใหญ่ที่มีการค้นหาโดยการแก้ข้อ จำกัด ค่าใช้จ่ายขั้นต่ำสำหรับปัญหาการไหล และสถานการณ์อื่น ๆที่ก่อให้เกิดการมีประสิทธิภาพค้นหาขนาดใหญ่ย่าน