GECCO 21 Parallel GA KNP
1.0.0
การตัดสินใจเลือกเทคนิคการปรับให้เหมาะสมที่สุดที่จะใช้ในการแก้ปัญหาการปรับให้เหมาะสมโดยเฉพาะเป็นงานที่สำคัญและยากลำบากที่ต้องเผชิญในด้านการเพิ่มประสิทธิภาพมานานหลายทศวรรษ ปัญหาข้างต้นเรียกว่าปัญหาการเลือกอัลกอริทึม (ASP) นักวิจัยหลายคนพยายามแก้ไข ASP สำหรับปัญหาต่างๆ มากมาย เทคนิคการปรับให้เหมาะสมที่พิจารณาในงานก่อนหน้านี้ส่วนใหญ่เป็นเทคนิคการปรับให้เหมาะสมที่สามารถดำเนินการได้อย่างรวดเร็ว อย่างไรก็ตาม เมื่อพิจารณาแนวทางการปรับให้เหมาะสมที่ซับซ้อนยิ่งขึ้นสำหรับการแก้ปัญหา ASP เช่น Evolutionary Algorithms จะทำให้ต้นทุนการคำนวณที่เกี่ยวข้องเพิ่มขึ้นอย่างมาก เรามีความสนใจในการแก้ปัญหา ASP โดยพิจารณาการกำหนดค่าต่างๆ ของอัลกอริทึมทางพันธุกรรม (GA) ที่นำไปใช้กับปัญหา NP-hard 0/1 Knapsack (KNP) ที่รู้จักกันดี สิ่งที่กล่าวมาข้างต้นเกี่ยวข้องกับการดำเนินการกำหนดค่าจำนวนมากของ GA ดังกล่าว เพื่อประเมินประสิทธิภาพ เมื่อนำไปใช้กับอินสแตนซ์ที่หลากหลายพร้อมคุณสมบัติที่แตกต่างกันของ KNP ซึ่งเป็นงานที่มีราคาแพงในการคำนวณ ดังนั้น จุดมุ่งหมายหลักของงานปัจจุบันคือการจัดหา GA แบบขนานที่มีประสิทธิภาพ ซึ่งสามารถบรรลุผลการแข่งขันในแง่ของมูลค่าวัตถุประสงค์ที่เหมาะสมที่สุดในขั้นตอนแรกในการแก้ปัญหา ASP ในระยะเวลาอันสั้น ผลการคำนวณแสดงให้เห็นว่าแนวทางของเราสามารถปรับขนาดได้อย่างมีประสิทธิภาพและลดเวลาที่ผ่านไปโดยเฉลี่ยในการแก้ไขอินสแตนซ์ KNP ได้อย่างมาก
