超启发式

超启发式是作者提出的一种高级启发式算法,它能自适应地控制几个低层次的知识贫乏的启发式算法,这样,当只使用廉价、易于实现的低级启发式算法时,我们可以获得接近昂贵的富知识方法的解质量。对于某些类型的问题,这使我们能够快速地产生有效的解决方案,只需花费其他方法所需的一小部分时间,并使用非学术性IT专业人员所共有的专业知识水平。超启发式已被成功地应用于一个实际的人员调度问题。在这篇论文中,作者报告了超启发式的另一个成功的应用,以解决一个英国学术机构的人事调度问题。超启发式不仅产生的结果质量远远优于手动解决方案,而且由于使用现有的超启发式软件框架节省了成本,这些结果也仅在三周内产生。


zbMATH中的参考文献(参考文献141篇,1标准件)

显示第1到第20个结果,共141个。
按年份排序(引用)

1 2 ... 6 7 8 下一个

  1. 天鹅,杰瑞;阿德里安森,史蒂文;布朗利,亚历山大E.I。;哈蒙德,凯文;约翰逊,科林·G。;艾哈迈德·凯里;克拉威克,福斯蒂娜;梅雷洛,J.J。;明库,莱安德罗L。;厄兹坎,恩德;帕帕,吉赛尔L。;加西亚桑切斯,巴勃罗;舍伦森,肯尼斯;哦,斯蒂芬;瓦格纳,马库斯;怀特,大卫R.:元启发式“在大的”(2022年)
  2. 张玉昌;白、瑞宾;屈、荣;涂、朝凡;金嘉桓:基于深度强化学习的不确定性组合优化超启发式算法(2022)
  3. 易卜拉欣,阿里戒毒所;穆罕默德·艾拉齐兹;艾哈迈德A。;穆罕默德·阿布德;吕松峰:基于超启发式技术的特征选择新范式(2021)
  4. 艾哈迈德·凯里;格雷茨斯塔,安吉丽基;基德威尔,埃德;鲁利,古列尔莫;Epitropakis,迈克尔G。;Burke,Edmund K.:基于隐马尔可夫模型的多阶段护士排班问题的超启发式方法(2021)
  5. Nijimbere,Dieudonné;赵松正;顾迅豪;以桑比多,摩西·奥拉布勒;Dominique,Nyiribakwe:基于强化学习的最大平均分散问题的禁忌搜索(2021)
  6. 阿斯兰,艾斯;巴克尔,伊尔克;Vis,Iris F.A.:个性化学习中学习活动规划的动态汤普森抽样超启发式框架(2020)
  7. 德雷克,约翰H。;艾哈迈德·凯里;厄兹坎,恩德;伯克,埃德蒙K.:选择超启发式的最新进展(2020)
  8. 拉姆加里,阿米娜;Dimitrakopoulos,Roussos:不确定性下战略矿山规划的超启发式方法(2020)
  9. 冷,龙;张静玲;张春苗;赵燕薇;王万良;Li,Gongfa:考虑环境影响的双目标冷链基于分解的超启发式方法(2020)
  10. 莫雷诺,阿尔弗雷多;穆纳里,佩德罗;Alem,Douglas:道路恢复中的人员调度和路径问题的基于分解的算法(2020)
  11. 潘迪里,文卡泰什;Singh,Alok:(k)旅行商问题的两个多启动启发式算法(2020)
  12. 艾哈迈德,莉娜;芒福德,克里斯汀;Kheiri,Ahmed:使用选择超启发式解决城市公交线路设计问题(2019)
  13. Chaurasia、Sachchida和Nand;Kim,Joong Hoon:基于进化算法的集合包装问题超启发式框架(2019)
  14. Chaurasia、Sachchida和Nand;Kim,Joong Hoon:基于人工蜂群的单机订单接受与调度问题的超启发式算法(2019)
  15. Oude Vrielink,R.A。;简森,欧洲。;汉斯·E·W。;van Hillegersberg,J.:高等教育机构时间表实践:系统回顾(2019)
  16. 皮莱,尼莉西亚;厄兹坎,恩德:为教育时间表自动生成建设性排序启发法(2019年)
  17. M、 泼,沙赫扎德;德雷克,约翰H。;Burke,Edmund K.:丹麦铁路维护任务分配的选择函数超启发式框架(2018)
  18. Nagata,Yuichi:针对入学后课程时间表问题的随机部分邻域搜索(2018)
  19. 陈玉洁;考林,彼得;波拉克,菲奥娜;伦德,斯蒂芬;Mourdjis,Philip:大型城市排水系统预防性和纠正性维护计划的动态优化(2017)
  20. 康力斯,多根;何俊;托马斯·詹森;奥利维托,皮埃特罗S。;苏霍尔特,德克;Zarges,Christine:生物启发优化中变异算子的最简单函数(2017)

1 2 ... 6 7 8 下一个