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。