குறியிடப்பட்டது
  • ஜெனமிக்ஸ் ஜர்னல்சீக்
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • OCLC- WorldCat
  • பப்ளான்கள்
  • யூரோ பப்
  • கூகுள் ஸ்காலர்
இந்தப் பக்கத்தைப் பகிரவும்
ஜர்னல் ஃப்ளையர்
Flyer image

சுருக்கம்

ஒருங்கிணைந்த உகப்பாக்கத்திற்கான நோயெதிர்ப்பு அல்காரிதம்: வழக்கு ஆய்வாக எரிபொருள் விநியோக பிரச்சனை

பாவோன் எம்*, கோஸ்டான்சா ஜே மற்றும் குடெல்லோ வி

சுருக்க ரூட்டிங் சிக்கல்கள் கிளாசிக்கல் காம்பினேடோரியல் ஆப்டிமைசேஷன் பணிகளாகும், அவை பல தொழில்துறை மற்றும் நிஜ-உலக சூழ்நிலைகளில் மிகவும் பொருந்தக்கூடியவை. ரூட்டிங் பிரச்சனையின் ஒரு சவாலான மாறுபாடு எரிபொருள் விநியோக பிரச்சனை (FDP) ஆகும், இது ஒரு போக்குவரத்து நிறுவனம் அதன் அன்றாட நடவடிக்கைகளில் எதிர்கொள்ள வேண்டும். ஒரு போக்குவரத்து எரிபொருள் நிறுவனத்தின் முக்கிய செயல்பாடு, அதன் அனைத்து கடைகளையும், அதாவது பெட்ரோல் நிலையங்களை, புவியியல் வரைபடத்துடன், அதன் ஒட்டுமொத்த செலவினங்களைக் குறைக்கும் குறிக்கோளுடன் மறுதொடக்கம் செய்வதாகும். இந்த ஆராய்ச்சிப் பணியில், எஃப்.டி.பியைத் தீர்ப்பதற்கான நோயெதிர்ப்பு மண்டலத்தின் உருவகத்தின் அடிப்படையில் ஒரு ஹைப்ரிட் ஹூரிஸ்டிக் ஒன்றை நாங்கள் முன்வைக்கிறோம், இது அடிப்படையில் பல பெறப்பட்ட கோரிக்கைகளை பூர்த்தி செய்வதற்காக ஒரு குறிப்பிட்ட எண்ணிக்கையிலான நிறுவனத்தின் வாகனங்களுக்கு முடிந்தவரை குறுகிய பாதைகளைக் கண்டறியும். வாடிக்கையாளர்களின். குறிப்பாக, வழங்கப்பட்ட நோயெதிர்ப்பு வழிமுறையானது குளோனல் தேர்வுக் கொள்கையால் உத்வேகம் பெறுகிறது, அதன் முக்கிய அம்சங்கள் குளோனிங், ஹைப்பர்-முடேஷன் மற்றும் வயதான ஆபரேட்டர்கள். இத்தகைய வழிமுறையானது (i) டெப்த் ஃபர்ஸ்ட் சர்ச் (DFS) அல்காரிதம் அடிப்படையிலான ஒரு (i) நிர்ணய அணுகுமுறையைக் கொண்டிருப்பது - வாகனத்திற்கு உச்சியை ஒதுக்கும் திட்டத்தில் பயன்படுத்தப்படுகிறது - மற்றும் (ii) ஒரு உள்ளூர் தேடல் ஆபரேட்டர், ஆய்வின் அடிப்படையில் அக்கம் பக்கத்தினர். அல்காரிதம் ஒரு உண்மையான தரவு நிகழ்வில் சோதிக்கப்பட்டது, 82 செங்குத்துகள் மற்றும் 25 செயற்கையான வேறுபட்ட நிகழ்வுகள், DIMACS வரைபட வண்ணமயமாக்கல் அளவுகோலில் இருந்து எடுக்கப்பட்டது. இந்த வேலையில் வழங்கப்பட்ட சோதனை முடிவுகள், வளர்ந்த அல்காரிதத்தின் வலிமை மற்றும் செயல்திறனை நிரூபிப்பது மட்டுமல்லாமல், உள்ளூர் தேடலின் நன்மையையும், DFS அல்காரிதம் அடிப்படையிலான அணுகுமுறையையும் காட்டுகிறது. இரண்டு முறைகளும் சிக்கலான தேடல் இடத்தை சிறப்பாக ஆராய அல்காரிதத்திற்கு உதவுகின்றன.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவ