کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944605 1438006 2017 22 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Less is more: Solving the Max-Mean diversity problem with variable neighborhood search
ترجمه فارسی عنوان
کمتر است: حل مسئله تنوع حداکثر متوسط ​​با جستجوی متغیر محله
کلمات کلیدی
متغیر جستجوی محله، مشکل تنوع / پراکندگی، حداکثر متوسط،
ترجمه چکیده
در کلاسهای گسترده ای از مشکلات تنوع / پراکندگی، ما یک دسته مهم را به عنوان مسئله تنوع بیشینه حداکثر می شناسیم که نیازمند یافتن زیر مجموعه ای از مجموعه ای از عناصر است تا حداکثر کردن مجموع نسبت تمام لبه های متعلق به آن زیرمجموعه و قدرتمندی از زیر مجموعه. در این مقاله، ما یک برنامه جدید از جستجوی محله متغیر متغیر برای حل این مشکل را توسعه می دهیم. نتایج محاسباتی گسترده نشان می دهد که اکتشاف جدید ما به طور قابل توجهی پیشرفته ترین اکتشافات در حال حاضر از لحاظ پیشرفته است. علاوه بر این، بهترین راه حل های شناخته شده در 58 مورد از 60 نمونه آزمایش بزرگ از ادبیات بهبود یافته است. به عبارت دیگر، به رغم سادگی روش ما، که اموال مطلوب برای هر گونه اکتشافی است، ما نتایج قابل توجهی بهتر از اکتشافی پیچیده تر ارائه می دهیم که نشان دهنده وضعیت پیشرفته است. بنابراین، سادگی میتواند به روشهای کارآمدتر و موثرتری منجر شود: هنگام استفاده از اکتشافی، کمتر میتواند بیشتر باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Within the broad class of diversity/dispersion problems we find an important variant known as the Max-Mean Diversity Problem, which requires finding a subset of a given set of elements in order to maximize the quotient of the sum of all edges belonging to that subset and the cardinality of the subset. In this paper we develop a new application of general variable neighborhood search for solving this problem. Extensive computational results show that our new heuristic significantly outperforms the current state-of-the-art heuristic. Moreover, the best known solutions have been improved on 58 out of 60 large test instances from the literature. In other words, despite the simplicity of our method, which is a desirable property for any heuristic, we achieve significantly better results than a more complex heuristic that represents the state-of-the-art. Thus, simplicity can lead to more efficient and effective methods: when heuristics are used, less can be more.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 382–383, March 2017, Pages 179-200
نویسندگان
, , , ,