The Iterative Improvement algorithm

The Iterative Improvement algorithm performs a number of local optimizations,
each starting at a random node and repeatedly accepting random downhill moves until a
local minimum is reached. The interested reader is referred to Swami and Gupta (1988)
and Swami (1989). The Two-Phase Optimization algorithm is a hybrid of Simulated
Annealing and Iterative Improvement. In the first phase, Iterative Improvement is used to
perform some local optimizations producing some local minimum. This local minimum is
used as the input to the second phase, which is based on Simulated Annealing with a low
start probability for uphill moves. The interested reader is referred to Ioannidis and Kang
(1990).

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมปรับปรุงซ้ำทำจำนวนเพิ่มประสิทธิภาพเครื่อง,
แต่ละราคาเริ่มต้นที่โหนดสุ่ม และซ้ำยอมรับย้ายลงเขาสุ่มจนกระทั่งเป็น
ถึงต่ำสุดในท้องถิ่น ผู้อ่านสนใจจะเรียกการสวามีกุปตา (1988)
และสวามี (1989) อัลกอริทึมเพิ่มประสิทธิภาพ Two-Phase เป็นผสมของเลียน
Annealing และปรับปรุงที่ซ้ำกัน ในระยะแรก ปรับปรุงซ้ำจะใช้
เพิ่มประสิทธิภาพบางท้องถิ่นที่ผลิตน้อยบางท้องถิ่นทำ ขั้นต่ำภายในนี้เป็น
ใช้เป็นข้อมูลป้อนเข้าระยะที่สอง ที่ใช้จำลองการอบเหนียว ด้วยเป็น
เริ่มต้นความน่าเป็นการย้ายที่ปั่น ผู้อ่านสนใจจะเรียก Ioannidis และ Kang
(1990)

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมปรับปรุงซ้ำดำเนินการจำนวนของการเพิ่มประสิทธิภาพท้องถิ่น
แต่ละเริ่มต้นที่โหนดสุ่มและซ้ำ ๆ ยอมรับการเคลื่อนไหวแบบสุ่มลงจน
ต่ำสุดในประเทศถึง ผู้อ่านที่สนใจจะเรียกว่าสวามีและแคนด์ (1988)
และสวามี (1989) อัลกอริทึมสองเฟสการเพิ่มประสิทธิภาพเป็นลูกผสมของจำลอง
หลอมและปรับปรุงซ้ำ ในระยะแรกที่ปรับปรุงซ้ำจะใช้ในการ
ดำเนินการบางอย่างการเพิ่มประสิทธิภาพการผลิตในท้องถิ่นบางท้องถิ่นอย่างน้อย อย่างน้อยในประเทศนี้จะ
นำมาใช้เป็นข้อมูลในการขั้นตอนที่สองซึ่งจะขึ้นอยู่กับการหลอมจำลองที่มีต่ำ
น่าจะเป็นจุดเริ่มต้นสำหรับการย้ายขึ้นเนิน ผู้อ่านที่สนใจจะเรียกว่า Ioannidis และคัง
(1990)

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีการปรับปรุงซ้ำแสดงเพลงของการเพิ่มประสิทธิภาพท้องถิ่น
แต่ละเริ่มต้นที่โหนดที่สุ่มและซ้ำ ๆยอมรับสุ่มแล่นย้ายจนกว่า
ขั้นต่ำท้องถิ่นถึง ผู้อ่านที่สนใจจะเรียกสวามี และคุป ( 1988 )
กับสวามี ( 1989 ) สองขั้นตอนการเพิ่มประสิทธิภาพอัลกอริทึมเป็นลูกผสมของจำลอง
annealing และการปรับปรุงซ้ำ ในเฟสแรกปรับปรุงวิธีการใช้
แสดงบางท้องถิ่นเพิ่มประสิทธิภาพการผลิตบางท้องถิ่นต่ำสุด ขั้นต่ำในท้องถิ่นนี้
ใช้เป็นใส่ระยะที่สองซึ่งจะขึ้นอยู่กับการดำรงอยู่กับความน่าจะเป็นเริ่มต้นต่ำ
สำหรับขึ้นเขาย้าย ผู้อ่านที่สนใจจะเรียกว่า ioannidis และคัง
( 1990 )