何塞·安德烈·布里托;莱昂纳多·德·利马;冈萨雷斯，佩德罗·恩里克;奥利维拉，布雷诺;纳尔逊·马库兰 启发式方法应用于最优分层问题。 （英语） Zbl 1473.62025 RAIRO，运营。物件。 55，编号2，979-996（2021）. 摘要：文献中广泛研究了寻找最佳样本分层的问题。本文提出了一种启发式优化方法来解决单变量最优分层问题，以最小化给定精度水平下的样本量。该方法基于可变邻域搜索元启发式，并与精确方法相结合。在24个实例的数据集上进行了数值实验，并将该算法的结果与文献中两种非常著名的方法进行了比较。我们的结果优于94%的考虑案例。此外，我们还开发了一种枚举算法，以在一些种群和场景中找到最优全局解，这使我们能够验证我们的元启发式方法。此外，我们发现我们的算法获得了绝大多数情况下的最优全局解。 引用于1文件 MSC公司： 62D05型 抽样理论、抽样调查 62-08 统计问题的计算方法 90 C59 数学规划中的近似方法和启发式 关键词：取样;分层;可变邻域搜索;精确方法 PDF格式BibTeX公司 XML格式引用 \textit{J.A.Brito}等人，RAIRO，Oper。第55号决议，第2号，979-996（2021；Zbl 1473.62025） 全文： 内政部 参考文献： 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。