https://zbmath.org/atom/cc/90C27 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.05178 2024-04-15T15:10:58.286558Z “Denat，Tom” https://zbmath.org/authors/？q=ai:denial.tom “阿拉拉特·哈里顿扬” https://zbmath.org/authors/？q=ai:harutyunyan.ararat（中文） “梅利西诺，尼古拉斯” https://zbmath.org/authors/？q=ai:melissinos.nikolaos “Paschos，Vangelis Th.” https://zbmath.org/authors/？q=ai:paschos.vangelis-第 摘要：研究了（mathcal{G}（n，p）模型中随机图最小支配集问题的分枝定界算法的平均情况复杂度。根据概率（p）相对于节点数（n）的增长，我们确定了次指数和指数平均情况复杂性之间的相变。 https://zbmath.org/1530.68054 2024-04-15T15:10:58.286558Z “德拉本特，Włodzimierz” https://zbmath.org/authors/？q=ai:drabent.wlodzimierz 小结：托姆·福吕沃思为女王问题提出了一个简短、优雅、高效的Prolog程序。然而，该程序可能被视为相当棘手，人们可能无法确信其正确性。本文以声明的方式解释该程序，并提供其正确性和完整性的证明。规范和证明是声明性的，即它们从任何操作语义中抽象出来。该规范是近似的，没有必要精确地描述程序的语义。尽管该程序在非基础术语上工作，但这项工作使用了基于逻辑结果和Herbrand解释的标准语义。本文的另一个目的是提供一个关于逻辑程序语义的精确声明性推理示例。 https://zbmath.org/1530.68075 2024-04-15T15:10:58.286558Z “阿曼，博格丹” https://zbmath.org/authors/？q=ai:aman.bogdan （无摘要） https://zbmath.org/1530.68087 2024-04-15T15:10:58.286558Z “道奇，M。” https://zbmath.org/authors/？q=ai:dodge.m “MirHassani，S.A.” https://zbmath.org/authors/？q=ai:mirhassani.seed-阿里 “胡斯曼，F.” https://zbmath.org/authors/？q=ai:hooshmand.f 摘要：二维下料问题（TDCSP）是一个众所周知的组合优化问题，在该问题中，应从给定的主板上切割出一组不同形状的二维小块，以满足每个小块的需求，并将总浪费降至最低。由于TDCSP是一个NP完全问题，所以在电子计算机上它在多项式时间内是不可解的。然而，利用DNA分子的结构，DNA计算算法能够在多项式时间内解决NP完全问题。本文提出了一种基于粘贴模型的DNA计算算法，用于求解TDCSP的最优解。实验证明，考虑到小块数和主板的长度和宽度，该算法在DNA计算机上的时间复杂度为多项式。 https://zbmath.org/1530.68119 2024-04-15T15:10:58.286558Z “王天石” https://zbmath.org/authors/？q=ai:wang.tianshi “吴，里昂” https://zbmath.org/authors/？q=ai:wu.leon “诺贝尔奖，帕特” https://zbmath.org/authors/？q=ai:nobel.parth “杰吉·罗伊乔杜里” https://zbmath.org/authors/？q=ai:roychowdhury.jaijeet （无摘要） https://zbmath.org/1530.68123 2024-04-15T15:10:58.286558Z “雷，阿卡” https://zbmath.org/authors/？q=ai:ray.arka 摘要：我们分别研究了向量装箱和向量装箱覆盖问题，以及装箱和装箱覆盖问题的多维推广。在向量箱包装中，我们从（[0,1]^d）中得到了一组（d）维向量，目的是将该向量集划分为最小数量的箱，以便对于每个箱（B），（B）中向量和的每个分量最多为1。\textit｛G.J.Woeginger｝[Inf.Process.Lett.64，No.6293-297（1997；Zbl 1338.68122）]声称，对于大于或等于2的尺寸，该问题不存在APTAS。我们注意到原始证据中有一点疏忽。在这项工作中，我们使用了来自[textit{N.Bansal}等人，《数学运算研究》第31号，第1期，第31-49页（2006年；Zbl 1278.90324）；\textit{M.Chlebík}和\textit}J.Chleb-ková}，《离散算法》第7期，第3期，第291--305页（2009年；Zbl 1178.68282）]。事实上，我们证明了获得比（frac{600}{599}）更好的渐近逼近比是NP-hard。如果每个项最多有一个维度大于\（\ delta \），则向量装箱的实例称为\（\ delta \）-偏斜。作为一般（d）维向量装箱结果的自然推广，我们证明了对于（varepsilon）in（0，frac{1}{2500}），如果（delta>20\sqrt{varepsilen}）获得（（1+varepsillon）-近似值是NP-hard。在向量箱覆盖问题中，给定一组来自（[0,1]^d）的（d）维向量，目的是获得一系列具有最大基数的不相交子集（称为箱），使得对于每个箱（B），（B）中向量和的每个分量都至少为1。使用与向量箱包装结果类似的思想，我们表明，对于向量箱覆盖，对于大于或等于2的维度，没有APTAS。事实上，我们证明了获得比（frac{998}{997}）更好的渐近逼近比是NP-hard。 https://zbmath.org/1530.68274 2024-04-15T15:10:58.286558Z “克劳福德，布罗德里克” https://zbmath.org/authors/？q=ai:crawford.broderick “里卡多·索托” https://zbmath.org/authors/？q=ai:soto.ricardo-洛伦佐 “罗德里戈奥利瓦雷斯” https://zbmath.org/authors/？q=ai:olivares.rodrigo “宝贝，加布里埃尔” https://zbmath.org/authors/？q=ai:embry.gabriel “弗洛雷斯，迭戈” https://zbmath.org/authors/？q=ai:flores.diego “温塞斯劳帕尔玛” https://zbmath.org/authors/？q=ai:palma.wenceslao “卡斯特罗，卡洛斯” https://zbmath.org/authors/？q=ai:castro.carlos.1 “帕雷德斯，费尔南多” https://zbmath.org/authors/？q=ai:paredes.fernando “何塞·米盖尔·鲁比奥” https://zbmath.org/authors/？q=ai:rubio.jose-米格尔 （无摘要） https://zbmath.org/1530.68283 2024-04-15T15:10:58.286558Z “弗朗西斯科·昆赞” https://zbmath.org/authors/？q=ai:quinzan.francesco “安德烈亚斯·哥贝尔” https://zbmath.org/authors/？q=ai:gobel.andreas-尼古拉斯 “瓦格纳，马库斯” https://zbmath.org/authors/？q=ai:wagner.markus “托拜厄斯·弗里德里希” https://zbmath.org/authors/？q=ai:friedrich.tobias （无摘要） https://zbmath.org/1530.68286 2024-04-15T15:10:58.286558Z “塞门基纳，奥尔加·伊芙。” https://zbmath.org/authors/？q=ai:semenkina.olga-电动汽车 尤金·波波夫 https://zbmath.org/authors/？q=ai:popov.eugene-一个 “Semenkina，Olga Er。” https://zbmath.org/authors/？q=ai:semenkina.olga-第页 摘要：在本文中，作者介绍并研究了自构遗传算法（GA）和自构蚁群优化（ACO）算法，并将其应用于最著名的组合优化任务之一——旅行推销员问题（TSP）。在已知的基准TSP上对所建议的算法性能进行了评估，然后与其他启发式算法（如Lin-Kernigan（3-opt局部搜索）和智能水滴算法（IWD））进行了比较。数值实验表明，该方法具有良好的竞争性能。这两种自适应算法在这些问题上都显示出良好的结果，因为它们的设置优于其他算法，具有平均性能。 https://zbmath.org/1530.90001 2024-04-15T15:10:58.286558Z “拉尔夫·霍尔斯坦” https://zbmath.org/authors/？q=ai:hollstein.ralf.1 拉尔夫·霍尔斯坦（Ralf Hollstein）的这本书“Optimierungsmethoden——Einführung in die klasischen，naturalonogen und neuronalen Optimierengen”探讨了优化在生活各个方面的关键作用，无论是将成本、资源、风险、处理时间、环境影响、能源消耗、旅行时间、，或者是利润、发动机性能、投资组合、生产、销售和运动成绩的最大化。鉴于实际优化问题的多样性、复杂性和多样性，现有文献记录了大量方法（包括其变体和子变体）的使用。这本书通过向读者介绍一些主要优化方法的汇编及其在实践中的应用，巧妙而精细地将理论与实践相结合。尽管这本书通过例证熟练地描述了各种优化过程，而没有深入研究它们的理论方面，但它巧妙地指导读者阅读解释它们的相关文献。本书全面收集了经典、自然类比和神经优化方法，分为四个主要部分。第一部分涵盖了各种类型的优化问题，第二部分讨论了经典的优化方法，第三部分包括自然启发的优化，第四部分阐述了神经组合优化方法，包括人工神经网络和机器学习的优化。它向读者介绍了一个新的研究领域，即Bello等人于2015年介绍的神经组合优化（NCO）（正如作者在书中引用的那样）。NCO方法意味着策略的转变：与传统的启发式编程不同，计算机接收指令来确定优化问题的可行解决方案，NCO方法使计算机能够使用机器学习技术（如TensorFlow模块）自动导出隐藏的启发式。NCO方法的关键优势在于其对缺乏既定启发式的实际优化问题的适用性。这本书是基于人工智能的自学习优化算法这一前景广阔的领域的入门指南，旨在迎合不同的受众，包括从事实际优化的从业者、研究人员和学者，以及计算机科学、数学、经济和工程的学生。本书共有27章，每章都有自己的学术参考，其内容如下，由德语翻译而成：第一章：导言，第二章：连续优化问题，第三章：组合优化问题，第一章：线性优化问题，第5章：多准则优化问题，第6章：分析方法，第7章：解决组合优化问题的方法，第8章：线性优化，第9章：多指标优化方法，第10章：复杂性和启发式/元启发式方法，第11章：基于物理的算法，第12章：进化算法，第13章：粒子群算法，第14章：蚂蚁算法，第15章：蜜蜂算法，第16章：蝙蝠算法，第17章：人工免疫系统，第18章：概述：自然类比优化，第19章：神经网络，第20章：自我激励卡，第21章：Hopfield网络，第22章：强化学习，第23章：深度学习中的优化方法，第24章：使用指针网络的神经优化，第25章：使用变压器的神经优化、第26章：使用图形神经网络的优化，以及第27章：机器学习程序库。因此，本书提供了对各种优化问题、算法和方法的详细理解，并描述了它们对实时现实问题的不同适用性。鉴于它提供了广泛而全面的优化方法集合，如果将本书翻译成英语或其他广为人知的语言，对于那些对从头开始学习优化方法感兴趣的非德语读者来说，将是一个丰富的资源。尽管本书广泛涵盖了各种优化方法，但许多未来的科学、应用和现实世界的插图和用途仍可以在庞大且迅速扩展的现代研究领域中进一步探索和追求。审查人：格哈德·威勒姆·韦伯（波兹南和安卡拉）和吉纳尔·帕里赫（艾哈迈达巴德） https://zbmath.org/1530.90003 2024-04-15T15:10:58.286558Z “拉波特，吉尔伯特” https://zbmath.org/authors/？q=ai:laporte.gilbert 摘要：获得2021年欧洲金奖的Ailsa H.Land对旅行推销员问题的研究做出了重要贡献，该问题发表在1955年的一篇期刊文章和1979年的一份工作论文中。本介绍性说明的目的是描述这些贡献。 https://zbmath.org/1530.90004 2024-04-15T15:10:58.286558Z “Miliotis，Panagiotis A.” https://zbmath.org/authors/？q=ai:miliotis.panagiotis-一个 小结：这篇简短的笔记提供了一些历史评论，以纪念授予艾尔萨·H·兰德教授的2021年欧洲金奖。 https://zbmath.org/1530.90011 2024-04-15T15:10:58.286558Z “钦塔帕利，普拉尚” https://zbmath.org/authors/？q=ai:chintapalli.prashant 摘要：当买方可以选择从多个收益率不确定且潜在相关的供应商处采购时，我们解决了供应商（或供应商）选择和订购决策的综合问题。我们将此问题建模为一个随机的有追索权的计划，其中买方在第一阶段从供应商处采购，如果需要，在第二阶段选择从现货市场或供应过剩的供应商处采购（以有利者为准），以满足目标采购量。我们使用\textit{sample average approximation}（SAA）技术解决了上述问题，该技术使我们能够在实践中轻松解决问题。我们将我们的解决方案的性能与确定性等价问题进行了比较，确定性等价问题被广泛应用，我们将其作为基准来评估我们的方法的有效性。接下来，我们扩展了我们的模型，以纳入买方对采购数量的风险规避。我们将多源问题转化为一个混合整数线性规划（MILP），并采用统计方法来考虑买方的风险规避。因此，我们设计了一种简单的计算技术，当每个供应商的产量具有一般概率分布的不确定性时，从一组供应商那里提供最优的采购策略。 https://zbmath.org/1530.90019 2024-04-15T15:10:58.286558Z “Farzadnia，Farnaz” https://zbmath.org/authors/？q=ai:farzadnia.farnaz “贝尔塔什，托尔加” https://zbmath.org/authors/？q=ai:bektas.tolga “延斯·里斯加德” https://zbmath.org/authors/？q=ai:lysgaard.jens 摘要：本文介绍了\textit{累积校车路线问题}，该问题涉及使用相同公交车车队从学校运送学生。该问题的目的是在一定步行距离内的潜在地点中为每个学生选择一个下车点，并生成路线，使所有学生从学校到家的总到达时间最小化。本文描述了六种基于原始图和辅助图的多项式混合整数线性规划公式，并通过实例对这些公式进行了数值比较。本文报告了为评估所提出模型的性能而进行的计算实验的结果。{\copyright}2023作者。\威利期刊有限责任公司出版的textit{Networks}。 https://zbmath.org/1530.90056 2024-04-15T15:10:58.286558Z “土地，A.” https://zbmath.org/authors/？q=ai:land.ailsa-小时 摘要：为了精确求解旅行商问题，开发了一个基于simplex的{FORTRAN}代码，它完全使用整数算法。当发现违反了循环约束时，该代码会添加这些约束。它通过添加两个匹配约束来处理分数解，最后通过整数形式方法的“Gomory”切割平面约束来处理。大多数计算只对变量的一个子集进行，只有偶尔通过整个可能的变量集。报告了关于大约100个城市问题的计算经验。 https://zbmath.org/1530.90063 2024-04-15T15:10:58.286558Z “库苏·基亚武兹，西姆热” https://zbmath.org/authors/？q=ai:kucukyavuz.simge “姜瑞伟” https://zbmath.org/authors/？q=ai:jiang.ruiwei 摘要：机会约束规划（CCP）是自20世纪50年代以来引起研究人员关注的最困难的优化问题之一。在本调查中，我们关注的是只有有限的分布信息可用的情况，例如分布样本或分布时刻。我们首先回顾了由有限离散分布（或样本平均近似）产生的机会约束程序的混合积分线性公式的最新发展。我们重点介绍了能够解决大规模实例的成功的重新制定和分解技术。然后，我们回顾了分布稳健CCP的积极研究，这是一个解决随机数据分布模糊性的框架。我们审查的重点是可扩展配方，这些配方可以用最先进的优化软件轻松实现。此外，我们通过审查跨多个领域的应用来强调CCP的普遍性。 https://zbmath.org/1530.90087 2024-04-15T15:10:58.286558Z “珍妮特·施密特” https://zbmath.org/authors/？q=ai:schmidt.jeanette-第页 “艾尼克，斯特凡” https://zbmath.org/authors/？q=ai:irnich.stefan 摘要：对于一个顶点集被划分为簇的给定图，广义旅行商问题（GTSP）是一个寻找成本最小的循环的问题，该循环恰好包含每个簇的一个顶点。我们引入了三个新的GTSP邻域，允许同时排列簇序列并从每个簇中选择顶点。将文献中的三个邻域和一些已知邻域合并为GTSP的有效迭代局部搜索（ILS）。ILS在本地搜索中执行简单的随机邻域选择，并应用普通的记录到记录ILS接受标准。在四个对称标准GTSP库上的计算实验表明，通过一些有目的的改进，ILS可以与最先进的GTSP算法竞争。 https://zbmath.org/1530.90088 2024-04-15T15:10:58.286558Z “莎拉·汤姆森” https://zbmath.org/authors/？q=ai:thomson.sarah-我 “奥乔亚，加布里埃拉” https://zbmath.org/authors/？q=ai:ochoa.gabriela “塞巴斯蒂安·维尔” https://zbmath.org/authors/？q=ai:verel.sebastien 摘要：一个\textit{local optima network}（LON）编码组合优化问题的适应度环境中的局部optima连接性。最近，人们研究了LON的分形维数。分形维数是一种复杂性指数，其中可以为模式分配非整数维数。本文研究了LON的分形性质，以及这种性质如何与底层问题的元启发式性能相关。我们使用视觉分析、相关性分析和机器学习技术来证明存在关系，LON的分形特征有助于解释和预测算法性能。结果表明，当与其他预测因子一起置于回归模型中时，LON中的多重分形程度和高分形维数可以以这种方式作出贡献。特征也与搜索性能单独相关，LON的可视化分析显示了对这种关系的洞察力。 https://zbmath.org/1530.90092 2024-04-15T15:10:58.286558Z “加西亚·吉梅内斯，拉斐尔” https://zbmath.org/authors/？q=ai:garcia-吉梅内兹·拉斐尔 “加西亚·迪亚斯，J.卡洛斯” https://zbmath.org/authors/？q=ai:garcia-diaz.j-carlos公司 亚历山大·D·普利多·罗杰诺 https://zbmath.org/authors/？q=ai：普利多-罗亚诺·阿列克山德-d 总结：双层多头称重机的料斗数量是具有相同数量的料头的简单机器的两倍，考虑到料斗之间组合数量的增加，这使得实现额外的目标优化可能性。本研究以蛮力为优化准则，研究双层立式和斜立式机器的双准则优化问题；目标重量必须至少和包装重量尽可能接近。此外，本研究还旨在尽可能缩短产品的某一部分在等待包装成型时留在料斗中的时间。这一时间被称为优先级，是根据料斗等待卸料时机器产生的迭代次数或包裹数量来测量的。为此，对这两台机器进行了不同的策略测试，同时优化了料斗的目标重量和优先级，表明除了降低多余产品及其后处理的成本外，还减少了工艺提取。 https://zbmath.org/1530.90113 2024-04-15T15:10:58.286558Z “哈贡本特森” https://zbmath.org/authors/？q=ai:bentsen.hakon “阿里德·霍夫” https://zbmath.org/authors/？q=ai:hoff.arild “赫瓦特姆，拉尔斯·马格纳斯” https://zbmath.org/authors/？q=ai:hvattum.lars-马格努斯 摘要：禁忌搜索是一个成熟的元启发式框架，用于解决难的组合优化问题。该方法的核心是使用不同形式的内存引导局部搜索通过解空间，以识别高质量的局部最优解，同时避免陷入任何特定局部最优解的附近。本文研究了移动的特征，可以利用这些特征来对从最近访问的局部最优到新的局部最优的步骤进行良好的决策。我们的方法使用了一种新型的自适应存储器，它基于一种称为指数外推的结构。内存通过阈值不等式进行操作，以确保选定的移动不会导致最近遇到的指定数量的局部最优。针对二进制整数编程问题的一百个不同基准实例的计算实验表明，指数外推是一种有用的内存类型，可以合并到禁忌搜索中。 https://zbmath.org/1530.90114 2024-04-15T15:10:58.286558Z “塞西娅，萨拉” https://zbmath.org/authors/？q=ai:ceschia.sara “卢卡·迪·加斯佩罗” https://zbmath.org/authors/？q=ai:di-加塞罗卢卡 “罗莎蒂，罗伯托·玛丽亚” https://zbmath.org/authors/？q=ai:rosati.roberto-玛丽亚 “安德烈·谢尔夫” https://zbmath.org/authors/？q=ai:schaerf.andrea 摘要：我们考虑了最小干扰频率分配问题，并提出了一种新的模拟退火方法，该方法利用了专门针对该问题设计的不同邻域的组合。我们立即着手研究由\textit{L.M.Correia}[无线灵活个性化通信：成本259:欧洲移动无线电研究合作。Chichester:Wiley（2001）]和由\textit{R.Montemanni}等人[Ann.Oper.Res.107，237--250（2001；Zbl 1015.90069）]分别提出的问题的两个版本，以及相应的基准实例。为了确定特定问题版本的求解器的最佳配置，我们执行了一个全面的统计优化过程。即使很难进行完全精确的比较，实验分析也表明，对于问题的第一个版本，我们在大多数情况下都优于之前的所有结果，并且我们与第二个版本的最佳结果处于同一水平。作为这项研究的副产品，我们为实例和解决方案设计了一种新的健壮文件格式，并设计了一个用于验证和维护可用解决方案的数据存储库。