Bei kombinatorischen Optimierungspr

Bei kombinatorischen Optimierungsproblemen handelt es sich um eine im Hinblick auf eine Zielfunktion bestm ̈ogliche Auswahl von Elementen aus ner Grundmenge. Viele dieser Probleme lassen sich in akzeptabler Zeit nicht exakt l ̈osen. In diesem Fall muss man auf Heuristiken zugreifen, die in Zeit erwartungsgem ̈aß eine gute, wenn auch nicht immer optimale L ̈osung finden.

Neighborhood search (lokale Suche) ist eine sogenannte Verbesserungsheu-ristik. Im Unterschied zu einer konstruktiven Heuristik wird dabei von einer gultigen L ̈ ̈osung ausgegangen und die Nachbarl ̈osungen, das sind L ̈osungen die sich nur geringfugig von der bestehenden unterscheiden, untersucht. Sollte ̈eine davon besser sein als die bestehende L ̈osung, so wird diese ubernommen ̈und iterativ fortgesetzt. Schließlich wird ein lokales Optimum erreicht, das bei guten Nachbarschaftsdefinitionen dem globalen Optimum oft schon sehrnahe kommt.

Very Large-Scale Neighborhood Search bezeichnet nun diese lokale Su-che in sehr großen Nachbarschaften. Als sehr groß gilt eine Nachbarschat vor allem dann, wenn sie mit der Problemgr ̈oße exponentiell w ̈achst. Oft bezeichnet man aber bereits sehr große polynomielle Nachbarschaften als very large.In diesem Fall ist oftmals eine vollst ̈andige Untersuchung s ̈amtlicher Nach-
barl ̈osungen nicht mehr m ̈oglich, und man muss auf partielle oder implizite Suche zuruckgreifen. Partiell bedeutet, dass nur Teile der Nachbarschaft un- ̈tersucht werden, implizit meint, dass andere Strukturen als die Nachbarschaft selbst untersucht, und von diesen Ergebnissen dann auf eine Nachbarl ̈osung geschlossen wird.

Die meistgenannten Kategorien von VLSN-Search-Algorithmen sind Variable Depth Methoden, Netzwerkflussbasierte Methoden und Verfahren, die auf der Relaxierung NP-schwieriger Probleme beruhen. Variable Depth Methoden ersetzen die Suche in einer sehr großen Nachbarschaft durch eine Folge von Suchen in kleinen Nachbarschaften. Netzwerkflussbasierte Methoden suchen typische Strukturen in Graphen, etwa Kreise, Pfade oder Matchings,und leiten davon eine Nachbarl ̈osung ab. Methoden, die auf der Relaxierung NP-schwieriger Probleme beruhen, l ̈osen ein relaxiertes Problem exakt und leiten aus dieser L ̈osung eine Nachbarl ̈osung fur das urspr ̈ ungliche Problem ̈ab.

ผลลัพธ์ (ไทย) 1:

เพิ่มประสิทธิภาพปัญหาปัญหาคือ ̈ogliche bestm ในการเลือกฟังก์ชันเป้าหมายองค์ประกอบจาก หลายประเด็นไม่ตรงได้ภายใน ̈osen ตัว l เวลาที่ยอมรับได้ ในกรณีนี้ คุณต้องเข้าถึงในการลองผิดลองถูก L ที่ดี ถ้าค้นหาไม่เหมาะสมเสมอ erwartungsgem เวลา ̈Aß ̈osungค้นหาย่าน (ค้นหาท้องถิ่น) เป็นการปรับปรุงเรียกว่า Hay ristik ตรงข้ามรุกสร้างสรรค์ สันนิษฐาน̈ ̈osung L ที่ถูกต้องและบริการ ̈osungen, L ̈osungen ซึ่งแตกต่างกันเพียงเล็กน้อยจากที่มีอยู่จะตรวจสอบ ควรจะดีกว่า ̈osung L ที่มีอยู่ ̈eine ของ ubernommen นี้จะยังคง ̈und ซ้ำ ๆ ในที่สุด เหมาะสมท้องถิ่นถึง ซึ่งมักจะดีอยู่แล้วเหมาะสมสากลข้อกำหนดใกล้เคียงดีค้นหาพื้นที่ขนาดใหญ่มากใกล้เคียงขณะนี้อ้างถึงนี้เฉพาะ Su che ในละแวกใกล้เคียงมาก สนทนาเพื่อนบ้านอยู่มากโดยเฉพาะอย่างยิ่งถ้ามัน ̈achst กับ w เนน ̈oße Problemgr มักจะเรียกว่ามีขนาดใหญ่มาก แต่มีขนาดใหญ่มากพหุนามละแวกใกล้เคียง ในกรณีนี้ สมบูรณ์คือมักจะ ̈andige ตรวจสอบ s ̈amtlicher ยั่งยืนไม่มากกว่า m ̈oglich และคุณต้องมองหาเพียงบางส่วน หรือโดยนัยกระตุกโลภ ̈osungen barl บางส่วนหมายถึงเฉพาะส่วนของพื้นที่ใกล้เคียงใช้ UN-̈tersucht นัยเชื่อว่า โครงสร้างอื่น ๆ ละแวกนั้นเป็นการตรวจสอบ และผลลัพธ์เหล่านี้แล้ว ̈osung เสื้อ evoked โดยจะประเภทที่นิยมมากที่สุดของอัลกอริทึมการค้นหา VLSN มีวิธีลึกผันแปร Netzwerkflussbasierte วิธีการ และขั้นตอนตามเรื่องเป็นปัญหายาก NP ความลึกของตัวแปรวิธีแทนการค้นหาในละแวกนั้นมีขนาดใหญ่มากผ่านชุดของการค้นหาในละแวกใกล้เคียงขนาดเล็ก เครือข่ายตามขั้นตอนวิธีค้นหาโครงสร้างทั่วไปในกราฟ วงกลมบาง เส้นทาง หรือตรงกัน และสืบทอดมาจาก ̈osung เป็นเสื้อ วิธีที่ยึดปัญหายาก NP กำลังผ่อน l ̈osen ปัญหา relaxiertes อย่างถูกต้อง และได้รับการบริการจากนี้ ̈osung ̈osung L สำหรับ jailbreakme ̈ ungliche ปัญหา ̈ab

ผลลัพธ์ (ไทย) 2:

ในปัญหาการเพิ่มประสิทธิภาพ combinatorial เป็น bestm ในแง่ของฟังก์ชั่นการเลือกวัตถุประสงค์ที่เป็นไปได้ขององค์ประกอบจากจำนวนเงินขั้นพื้นฐานเนอร์ หลายปัญหาเหล่านี้ได้ในเวลาที่เหมาะสมไม่ตรงลิตร Osen ในกรณีนี้คุณจะต้องเข้าถึงการวิเคราะห์พฤติกรรมพบตามที่คาดไว้ในเวลาที่กินที่ดีแม้จะไม่ใช่วิธีการแก้ปัญหาที่ดีที่สุด L. ย่านการค้นหา (ค้นหาในท้องถิ่น) เป็นสิ่งที่เรียกว่า Verbesserungsheu-istic ซึ่งแตกต่างจากการวิเคราะห์พฤติกรรมที่สร้างสรรค์การแก้ปัญหานี้มีความถูกต้อง L ̈สันนิษฐานและการแก้ปัญหา Nachbarl ซึ่งเป็นโซลูชั่น L ซึ่งมีเพียงเล็กน้อยที่แตกต่างจากที่มีอยู่ตรวจสอบ ควรหนึ่งของพวกเขาดีกว่าวิธีการแก้ปัญหาที่มีอยู่ L ก็จะถูกนำตัวไปและยังคงซ้ำ สุดท้ายที่ดีที่สุดในท้องถิ่นถึงระดับโลกที่ดีที่สุดมักจะใช้สำหรับคำจำกัดความเพื่อนบ้านที่ดีอยู่แล้วอย่างใกล้ชิด. ขนาดใหญ่มากค้นหาพื้นที่ใกล้เคียงในขณะนี้เรียกว่าท้องถิ่นซูเจ๊ในละแวกใกล้เคียงมีขนาดใหญ่มาก โดยเฉพาะอย่างยิ่งในขณะที่มีขนาดใหญ่มากใช้การพูดคุยใกล้เคียงกับเมื่อ Osse Problemgr ชี้แจงน้ำหนัก̈achst แต่มักจะหมายถึงละแวกใกล้เคียงพหุนามมากแล้วเป็น large.In มากกรณีนี้มักจะถูกสอบสวน̈andigeสมบูรณ์ของความต้องการอย่างเป็นทางการBarl ไม่มีการแก้ปัญหาที่เป็นไปได้อีกต่อไปม. และคุณได้ zuruckgreifen ในการค้นหาบางส่วนหรือโดยปริยาย บางส่วนหมายความว่าเพียงบางส่วนของพื้นที่ใกล้เคียงจะได้รับการตรวจสอบโดยปริยายแสดงให้เห็นว่าโครงสร้างอื่น ๆ กว่าพื้นที่ใกล้เคียงตัวเองตรวจสอบและแก้ปัญหาการปิดแล้วผลเหล่านี้บน Nachbarl. กล่าวถึงบ่อยที่สุดประเภทของขั้นตอนวิธี VLSN ค้นหาวิธีการเชิงลึกตัวแปร วิธีการไหลของเครือข่ายและวิธีการขึ้นอยู่กับการผ่อนคลายปัญหา NP-ยาก วิธีลึกตัวแปรเปลี่ยนการค้นหาในพื้นที่ใกล้เคียงที่มีขนาดใหญ่มากผ่านชุดของการค้นหาในละแวกใกล้เคียงที่มีขนาดเล็ก การไหลของเครือข่ายตามวิธีการแสวงหาโครงสร้างทั่วไปในกราฟเป็นวงกลมเส้นทางหรือการจับคู่และรับคำแนะนำจากความเป็นจริงการแก้ปัญหาจาก Nachbarl ขึ้นอยู่กับวิธีการผ่อนคลายปัญหา NP-ยากลิตร OSes nonrelaxed ปัญหาได้อย่างแม่นยำและได้รับมาจากวิธีนี้แก้ปัญหา L Nachbarl สำหรับปัญหาเดิม̈ ungliche จาก

ผลลัพธ์ (ไทย) 3:

สำหรับปัญหาที่ทำให้เกิดประสิทธิภาพสูงสุดเป็นหลักตรรกศาสตร์ในข้อกำหนดของฟังก์ชันที่มีวัตถุประสงค์ที่ดีที่สุดในการเลือกรายการจาก ̈ogliche NER basic ปริมาณส่วนผสมในการปั่นให้น้อยลง ปัญหาจำนวนมากเหล่านี้จะไม่เหมือนกับที่อยู่ในระดับที่ยอมรับได้ ̈osen l ความยาวของเวลา ในกรณีนี้คุณจะมีสิทธิ์ในการเข้าถึงในเวลาที่ตั้งความหวังไว้ว่า ̈aß heuristic เป็นที่พักชั้นดีเหมาะสมเสมอหากไม่ได้

̈osung Lค้นหาในละแวกใกล้บ้าน ( การค้นหาในท้องถิ่น ) เป็นสิ่งที่เรียกว่าลักษณะเฉพาะของ Verbesserungsheu ความเปรียบต่างในเชิงสร้างสรรค์ที่ถูกต้อง Heuristic L ̈ ̈osung ̈osungen คาดว่าได้และประเทศใกล้เคียงได้เท่านั้นที่จะมีความเห็นแตกต่างเล็กน้อยจาก ̈osungen L ที่มีอยู่จะได้รับการสอบสวน ซึ่งควรจะดีกว่าที่มีอยู่เดิม L ̈osung ̈eine ,มันจะได้รับการต่อเข้ามาได้ ̈und HOMER เพื่อจะ สุดท้ายให้เหมาะสมที่สุดในท้องถิ่นได้ครบตามจำนวนที่กำหนดในละแวกบ้านที่ดีบ่อยครั้งที่เหมาะสมได้ sehrnahe ทั่วโลก
2
4 ขนาดใหญ่สูงสุด 1000x1000 เป็นอย่างมากในบริเวณใกล้เคียงในขณะนี้การค้นหาในท้องถิ่นนี้ระบุถึง Su -che ในบริเวณใกล้เคียงที่มีขนาดใหญ่เป็นอย่างมาก เป็นที่มีขนาดใหญ่เป็นอย่างมากที่จะนำมาใช้กับ Nachbarschat โดยเฉพาะหากคุณกำลังใช้ Problemgr ̈oße w ̈achst หลายเท่าตัว มักเรียกว่าแต่อยู่แล้วที่มีขนาดใหญ่เป็นอย่างมากในเขตพื้นที่ที่เป็น polynomielle ที่มีขนาดใหญ่เป็นอย่างมากซึ่งในกรณีนี้มักจะมีการสืบสวนอย่าง s ̈amtlicher ̈andige หลังจาก -
m ̈oglich Barl ̈osungen ใช้ไม่ได้อีกต่อไปและเราจะต้องพึ่งพาการค้นหาบางส่วนหรือโดยนัย นั่นหมายความว่าบางส่วนซึ่งมีเพียงบางส่วนของสหประชาชาติโดยทางอ้อม ̈tersucht ละแวกบ้านเชื่อว่าโครงสร้างอื่นๆมากกว่าในบริเวณใกล้เคียงได้มีการตรวจสอบแล้วด้วยตนเองและของผลลัพธ์เหล่านี้จะถูกปิดทำการในวันที่ที่อยู่ในบริเวณใกล้เคียงได้ ̈osung
2
4 ที่ได้รับความนิยมมากที่สุดประเภทของ VLSN - Search-Algorithmen Netzwerkflussbasierte คือตัวแปรความลึกโดยวิธีการวิธีการและกระบวนการ ,การหันไปในการใช้งานที่ยุ่งยากได้จะขึ้นได้ ความลึกของตัวแปรแทนที่ในการค้นหาวิธีการที่มีขนาดใหญ่เป็นอย่างมากในบริเวณใกล้เคียงโดยมีลำดับการค้นหาในบริเวณใกล้เคียงที่มีขนาดเล็ก โครงสร้างแบบดั้งเดิมในกราฟการค้นหาโดยวิธีการ Netzwerkflussbasierte เช่นวงกลมหรือพาธ , และจาก matchings ̈osung ที่อยู่ในบริเวณใกล้เคียงได้ วิธีการ ,การหันไปในการใช้งานที่ยุ่งยากได้จะขึ้น , l ̈osen relaxiertes ปัญหาจริงๆบัตรผ่านและพื้นที่ใกล้เคียง ̈osung ̈osung L สำหรับต้นฉบับนี้ปัญหา ̈ab ̈ หมดอายุแล้ว