Классификация прикладных методов комбинаторной оптимизации
Розглянуто найбільш розповсюджені підходи до створення прикладних методів комбінаторної оптимізації. Запропоновано ряд характеристик та критеріїв, за якими здійснюється класифікація наближених алгоритмів. Викладена класифікація є розвитком досліджень у галузі комбінаторної оптимізації та дозволяє ви...
Збережено в:
| Опубліковано в: | Кибернетика и системный анализ |
|---|---|
| Дата: | 2009 |
| ISSN: | 0023-1274 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2009
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/44402 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Классификация прикладных методов комбинаторной оптимизации / И.В. Сергиенко, Л.Ф. Гуляницкий, С.И. Сиренко // Кибернетика и системный анализ. — 2009. — № 5. — С. 71-83. — Бібліогр.: 74 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| Резюме: | Розглянуто найбільш розповсюджені підходи до створення прикладних методів комбінаторної оптимізації. Запропоновано ряд характеристик та критеріїв, за якими здійснюється класифікація наближених алгоритмів. Викладена класифікація є розвитком досліджень у галузі комбінаторної оптимізації та дозволяє виділяти ключові компоненти обчислювальних схем, що використовуються як інструментарій при побудові нових ефективних гібридних метаевристик.
This paper reviews mostly used approaches to the development of applied combinatorial optimization methods. A number of characteristics and criteria are proposed that underlie the classification of approximate algorithms. The classification is an elaboration of previous investigations in the field of combinatorial optimization and allows one to determine key components of computational schemes used in constructing efficient hybrid metaheuristics.
|
|---|---|
| ISSN: | 0023-1274 |