1) Algorithm of heuristic implicit enumeration
启发式隐枚举算法
2) implicit emumeration algorithm
隐枚举算法
1.
This paper presents an efficient optimization algorithm for airciraft landing scheduling problem, based on depth-first-search implicit emumeration algorithm, subject to MPS limiting, position lock limiting, moving time-window and other ATC restrictions.
以深度优先搜索的隐枚举算法为基础,结合MPS约束、位置冻结限制、移动时间窗限制和其他多项约束,使用复杂的软件编码实现了特定于飞机着陆调度问题的优化排序算法。
2.
This paper presents an efficient optimization algorithm and complicated code for Airciraft Landing Scheduling Problem,Based on Depth-first-search implicit emumeration algorithm,subject to MPS limiting,position lock limiting and optimization depth limiting.
以深度优先搜索的隐枚举算法为基础 ,结合 MPS约束、位置冻结限制、优化深度限制 ,使用复杂的软件编码实现了特定于飞机着陆调度问题的优化排序算法 。
3) implicit enumeration algorithm
隐含枚举算法
5) implicit enumeration
隐枚举法
1.
All variables were translated into binary variables,and implicit enumeration method was developed to solve the model.
把模型的变量转化为二进制变量,并用隐枚举法求出最优解。
2.
The combination explosion problem is common in solving 0-1 integer programming with enumeration and implicit enumeration ways.
用穷举法和隐枚举法解0-1型整数规划问题时,常常遇到组合爆炸问题。
3.
A mathematical programming method is developed,by considerina the optimal placement of active control forces as a generalized0-1programming problem and solving it by implicit enumeration.
用数学规划方法研究主动控制力(简称控制力)在被控结构上的最优位置,把它视为广义0-1规划问题,用隐枚举法求解;并且,引进振型相对控制度概念,以帮助选择控制力初始位置。
6) implicit enumeration method
隐枚举法
1.
The two kinds of implicit enumeration methods for common use in 0-1 programming are introduced.
介绍了0-1规划的隐枚举法的两种常用方法,在第二种方法的基础上提出一种改进方法,并给出一些算例,说明该方法的有效性。
2.
Secondly,the implicit enumeration method for solving the models is proposed.
采用二部图及其复盖建立数学模型，再用隐枚举法求解该模型。
3.
This paper disscuses the advantages and dihovantages of two Implicit Enumeration Methods in theuses of solving 0- 1 programming.
本文详细探讨了目前用于求解０—１规划的两种隐枚举法的优点和缺陷，提出一种能兼容两种解法的优点并能弥补二者缺陷的新的解法，以实际算例论证了这种新解法的优越性，并以简明的程序在ＱＷ３８６／２５ｃ计算机上实施电算，取得理想结果。
补充资料：启发式算法
计算机科学的两大基础目标，就是发现可证明其执行效率良好且可得最佳解或次佳解的算法。而启发式算法则试图一次提供一或全部目标。 例如它常能发现很不错的解，但也没办法证明它不会得到较坏的解；它通常可在合理时间解出答案，但也没办法知道它是否每次都可以这样的速度求解。
有时候人们会发现在某些特殊情况下，启发式算法会得到很坏的答案或效率极差，然而造成那些特殊情况的数据结构，也许永远不会在现实世界出现。因此现实世界中启发式算法很常用来解决问题。启发式算法处理许多实际问题时通常可以在合理时间内得到不错的答案。
有一类的通用启发式策略称为元启发式算法（metaheuristic），通常使用乱数搜寻技巧。他们可以应用在非常广泛的问题上，但不能保证效率。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条