摘要：Esant nustatytai elementų aibei ir simetrinei matricai, rodančiai skirtumus tarp jų, maksimaliai įvairiapusiško grupavimo uždaviniui spręsti reikia elementų aibę suskaidyti į nustatytą riboto dydžio grupių skaičių, kuris maksimizuotų tikslo funkciją, sumuojančią skirtumus tarp visų elementų porų, priklausančių tai pačiai grupei. Straipsnyje pateikiami daugelio startų atkaitinimo modeliavimo, hibridinis genetinis ir kintamos aplinkos paieškos algoritmai šiam uždaviniui spręsti. Atlikus skaičiuojamuosius eksperimentus, šie algoritmai buvo palyginti su uždavinio pavyzdžiais-gairėmis, kurių apimtis 2000 elementų.http://dx.doi.org/10.5755/j01.itc.40.4.977
其他摘要：Given a set of elements and a symmetric matrix representing dissimilarities between them, the maximallydiverse grouping problem asks to find a partitioning of the elements into a fixed number of restricted size-groups such that thesum of pairwise dissimilarities between elements in the same group is maximized.We present multistart simulated annealing,hybrid genetic and variable neighborhood search algorithms for solving this problem.We report on computational experimentsthat compare the performance of these algorithms on benchmark instances of size up to 2000 elements.http://dx.doi.org/10.5755/j01.itc.40.4.977
Loading...
