کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6854856 | 1437597 | 2018 | 50 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Move acceptance in local search metaheuristics for cross-domain search
ترجمه فارسی عنوان
پذیرش در جستجوی متائوئیستی جستجو محلی برای جستجوی متقابل دامنه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
بهینه سازی ترکیبی، کنترل پارامتر، جستجوی محلی تصادفی، روش های مسیریابی، الگوریتم های جستجو،
ترجمه چکیده
متهوریستی دستورالعمل های سطح بالا برای طراحی الگوریتم های بهینه سازی اکتشافی را ارائه می دهد و به طور موفقیت آمیزی در زمینه های مختلفی از مشکلات دشوار محاسباتی دشوار به کار رفته است. متاعرستیابی جستجوی محلی تحت چارچوب جستجوی مبتنی بر تک نقطه با هدف تکرار بهبود راه حل در زمان دست زدن به توجه به یک هدف تنها با استفاده از استراتژی های اختلال راه حل خاص، شناخته شده به عنوان اپراتورهای حرکت، و حرکت روش های پذیرش با شروع از تولید اولیه راه حل. عملکرد یک روش جستجوی محلی متفاوت از یک دامنه به یک دیگر، حتی از یک نمونه به دیگری در یک دامنه مشابه است. تعداد بیشتری از مطالعات انجام شده در مورد روشهای جستجوی عمومی بیشتر به نام روش های جستجوی متقاطع یا بیش از حد اکتشافی وجود دارد که در یک سطح بالایی حل مشکالت متفاوتی را به وجود می آورند، ترجیحا بدون مداخله متخصص. این مقاله یک طبقه بندی و مرور کلی از مأموریت های موجود جستجوی محلی را همراه با یک مطالعه تجربی به اثراتی که روش های پذیرش حرکت می کند، به عنوان مولفه های متائوئیستسیستی جستجوی محلی مبتنی بر تک نقطه، به عملکرد متقابل دامنه ای از چنین الگوریتمی ها برای حل چند ترکیبی مشکلات بهینه سازی نتایج تجربی در یک معیار از 9 مشکل مختلف محاسباتی سخت، نقص در روش های موجود و شناخته شده را برای استفاده به عنوان مولفه های روش های جستجوی متقابل دامنه، با وجود اینکه مجددا برای حل هر دامنه تنظیم می شوند، برجسته می کند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Metaheuristics provide high-level instructions for designing heuristic optimisation algorithms and have been successfully applied to a range of computationally hard real-world problems. Local search metaheuristics operate under a single-point based search framework with the goal of iteratively improving a solution in hand over time with respect to a single objective using certain solution perturbation strategies, known as move operators, and move acceptance methods starting from an initially generated solution. Performance of a local search method varies from one domain to another, even from one instance to another in the same domain. There is a growing number of studies on 'more general' search methods referred to as cross-domain search methods, or hyper-heuristics, that operate at a high-level solving characteristically different problems, preferably without expert intervention. This paper provides a taxonomy and overview of existing local search metaheuristics along with an empirical study into the effects that move acceptance methods, as components of single-point based local search metaheuristics, have on the cross-domain performance of such algorithms for solving multiple combinatorial optimisation problems. The experimental results across a benchmark of nine different computationally hard problems highlight the shortcomings of existing and well-known methods for use as components of cross-domain search methods, despite being re-tuned for solving each domain.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 109, 1 November 2018, Pages 131-151
Journal: Expert Systems with Applications - Volume 109, 1 November 2018, Pages 131-151
نویسندگان
Warren G. Jackson, Ender Ãzcan, Robert I. John,