Mehr

Punkte innerhalb von 2 Puffern auswählen?

Punkte innerhalb von 2 Puffern auswählen?


Ich habe 2 riesige Dateien mit Punkten (Hunderttausende von Punkten). Ich muss einen Weg finden, alle Punkte in einer Datei zu durchlaufen und alle Punkte in der zweiten Datei zu finden, die nur eine bestimmte Entfernung entfernt sind. Also wie in einer Entfernung außerhalb des Puffers. Oder am äußeren Rand des Puffers.

Ich denke an 2 Puffer, einen größeren Puffer und dann einen kleineren Puffer und dann irgendwie die Werte subtrahieren. Keine Ahnung wie das aber bewerkstelligt werden könnte.

Die Dateien sind riesig, daher bin ich auch daran interessiert, dies so schnell wie möglich zu tun.

Irgendwelche Ideen?


Nahe Tabelle generieren (Analyse) [Nur ArcInfo]

Dieses Werkzeug verhält sich genauso wie das Nahwerkzeug. Anstatt die Eingabe-Features zu aktualisieren, wird jedoch eine neue Ausgabetabelle erstellt. Darüber hinaus kann es so viele Near-Features wie angegeben finden durch den Parameter Maximale Anzahl der engsten Übereinstimmungen.

http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#//00080000001n000000.htm


Einfluss lokaler, landschaftlicher und regionaler Variablen auf das Vorkommen von Seggen- und Sumpfzackenkönig in Küstenfeuchtgebieten der Großen Seen

Wir haben den Einfluss von Habitat-, Landschafts-, geografischen und klimatischen Variablen auf Seggenzaunkönig bestimmt (Cistothorus platensis) und Marsh Wren (C. palustris) Vorkommen in 840 Küstenfeuchtgebietsuntersuchungspunkten in den Großen Seen. Zu den Variablen gehörten die umliegende Landnutzung und -konfiguration bis zu 2000 m Breitengrad, Temperatur, Niederschlag und Vegetationsmerkmale innerhalb von 100 m. Klassifikationsbäume sagten das Vorkommen von Seggenzaunkönig an Punkten in den westlichen Großen Seen mit < 11 km Straßen im Umkreis von 1000 m voraus. Aufstrebende krautige Feuchtgebiete innerhalb von 500 m, bewaldete Feuchtgebiete in verschiedenen Entfernungen und Seggen innerhalb von 100 m wurden ebenfalls positiv mit dem Vorkommen von Seggenzaunkönig assoziiert. Das Vorkommen von Marsh Wren wurde an Punkten in den südlichen Great Lakes mit < 42% bebautem Land innerhalb von 500 m vorhergesagt. Aufstrebende krautige Feuchtgebiete innerhalb von 500 m, Ackerland in verschiedenen Entfernungen und Rohrkolben innerhalb von 100 m wurden ebenfalls positiv mit dem Vorkommen von Marsh Wren in Verbindung gebracht. Unsere Ergebnisse deuten darauf hin, dass die Begrenzung der Entwicklung um Feuchtgebiete herum wichtig ist, um diese Vogelarten in den Küstenfeuchtgebieten der Großen Seen zu erhalten. Landbedeckungsvariablen auf Landschaftsebene sind leicht erhältlich und verbessern unsere Fähigkeit, das Vorkommen dieser Arten über einen breiten geografischen Maßstab hinweg vorherzusagen.

Dies ist eine Vorschau von Abonnementinhalten, auf die Sie über Ihre Institution zugreifen können.


Geobubble

geobubble( tbl , latvar , lonvar ) erstellt ein geografisches Blasendiagramm mit ausgefüllten Kreisen (Blasen), die die geografischen Orte darstellen, die in der auf einer Karte angezeigten Tabelle tbl angegeben sind. latvar identifiziert die Tabellenvariable (Spalte), die die Breitengrade der Blasen angibt. lonvar identifiziert die Tabellenvariable, die die Längengrade der Blasen angibt. Standardmäßig haben die Blasen alle dieselbe Größe und dieselbe Farbe.

Das geografische Blasendiagramm zeigt Ihre Daten auf einer Karte an, die als a . bezeichnet wird Basiskarte. Zunächst legt das Diagramm die geografischen Grenzen des Diagramms so fest, dass alle Ihre Daten erfasst werden. Die Karte ist wohnen d. h., Sie können die Grundkarte verschieben, um andere geografische Standorte anzuzeigen. Sie können die Karte auch vergrößern und verkleinern, um Regionen detaillierter anzuzeigen. Das Diagramm aktualisiert die Karte beim Schwenken und Zoomen. Weitere Informationen zu geografischen Blasendiagrammen und Grundkarten finden Sie unter Übersicht über geografische Blasendiagramme.

geobubble( lat , lon ) erstellt ein geografisches Blasendiagramm, in dem lat und lon die geografischen Positionen angeben. Standardmäßig haben die Blasen alle dieselbe Größe und Farbe.

geobubble(lat, lon, sizedata) skaliert die Bereiche der Blasen entsprechend den numerischen Werten in sizedata.

geobubble(lat, lon, sizedata, colordata) verwendet die kategorialen Daten in colordata, um die Farbe der Blasen zu bestimmen. geobubble wählt eine Farbe für jede Kategorie in colordata , plus eine zusätzliche Farbe, wenn ein Element von colordata nicht definiert ist. Die Farben werden aus einer geordneten Liste von 7 Standardfarben gezogen. Bei mehr als sieben Kategorien (bei undefinierten Werten mehr als sechs) wiederholen sich die Farben zyklisch.

geobubble( ___ , Name,Value ) gibt zusätzliche Optionen für das geografische Blasendiagramm mit einem oder mehreren Name-Wert-Paarargumenten an. Geben Sie die Optionen nach allen anderen Eingabeargumenten an. Eine Liste der Eigenschaften finden Sie unter GeographicBubbleChart-Eigenschaften . Zwei wichtige Eigenschaften sind SizeVariable und ColorVariable , die die Tabellenvariablen angeben, die die Größe und Farbe der Blasen bestimmen.

geobubble( parent , ___ ) erstellt das geografische Blasendiagramm in dem von parent angegebenen Abbildungs-, Panel-, Registerkarten- oder Kacheldiagramm-Layout.

gb = geobubble( ___ ) gibt das GeographicBubbleChart-Objekt zurück. Verwenden Sie gb, um die Eigenschaften des Diagramms nach der Erstellung zu ändern. Eine Liste der Eigenschaften finden Sie unter GeographicBubbleChart-Eigenschaften.


1 Antwort 1

Es gibt keine "falschen" Repräsentanten, die annehmen, dass $X$ $(k,b)$ -clusterfähig ist.

Stellen Sie sich das so vor: $X$ kann in $k$-Cluster unterteilt werden. Angenommen, Sie haben einen beliebigen Knoten $xin X$ als Repräsentanten gewählt (egal an welchem ​​Punkt!). Dann bezeichne für jeden Cluster $C$ mit $xin C$ , wir wissen, dass für zwei beliebige Punkte $a,bin C_x$ $dist(a,c)le b$ . Insbesondere gilt für jeden anderen Punkt $yin C$ $dist(x,y)le b$ . Dies bedeutet, dass alle Knoten in $C$ niemals ein neuer Repräsentant sein werden.

Wenn es am Ende $k+1$ Repräsentanten gab, dann müssen nach dem Schubladenprinzip zwei Repräsentanten im selben Cluster sein, aber das ist unmöglich, wie wir gerade gezeigt haben.

Daher wird es für $(k,b)$ -clusterfähige Mengen immer höchstens $k$ verschiedene Repräsentanten geben, und der Algorithmus akzeptiert immer.


Auswirkung der Ergebnisse

Die Ergebnisse können auch dazu beitragen, Bereiche zu identifizieren, in denen wir mit Gemeinschaften zusammenarbeiten können, um das öffentliche Bewusstsein für Maßnahmen zu schärfen, die Personen und Gemeinschaften ergreifen können, um die Übertragung des Virus zu verlangsamen, die als Strategien zur Eindämmung der Gemeinschaft bekannt sind. CDC arbeitet mit den Gesundheitsbehörden der Bundesstaaten und des Landkreises zusammen, um mehr darüber zu erfahren, wie sich COVID-19 in Gemeinden ausbreitet, indem Serologietests in Haushalten in verschiedenen Gemeinden durchgeführt werden. Diese Seroprävalenzerhebungen auf Gemeindeebene finden an Orten in den Vereinigten Staaten statt. Im Folgenden finden Sie Beschreibungen dieser Umfragen.


Außer den Dateierweiterungen gibt es keine Konfigurationsoptionen für dieses Plugin. Fügen Sie zur Verwendung einfach Folgendes zu Ihrer Konfiguration hinzu:

Dieses Plugin erstellt die folgenden Spalten aus einem Shapefile.

Feld Datentyp
gid GANZE ZAHL
srid GANZE ZAHL
Formtyp VARCHAR
Name VARCHAR
geom VARBINÄR

In Release 1.14 hat Drill eine Reihe von Funktionen des geografischen Informationssystems (GIS) erworben, die an die entsprechenden Funktionen in PostGIS erinnern. Um diese Funktionen verwenden zu können, müssen Ihre Geodaten im Darstellungsformat Well-Known Text (WKT) definiert sein. Mit dem WKT-Format können Sie Punkte, Linien, Polygone und andere geometrische Formen darstellen. Es folgen zwei Beispiel-WKT-Strings.

Drill speichert Punkte als Binärdatei. Um diese Punkte zu lesen oder zu zeichnen, müssen Sie sie mit den Funktionen ST_AsText() und ST_GeoFromText() konvertieren.

Copyright © 2012-2020 The Apache Software Foundation, lizenziert unter der Apache License, Version 2.0.
Apache und das Apache-Federlogo sind Marken der Apache Software Foundation. Andere auf der Website erscheinende Namen können Marken ihrer jeweiligen Eigentümer sein.


Globaler Discount Mobile Virtual Network Operator Market – Zeuge einer unverkauften Geschichte 2028 | Virgin Media DataXoom Lebara KDDI CORPORATION Asahi Net, Inc. FRiENDi. Boost Mobile Lycamobile. Tesco Mobile Airvoice Wireless ASDA

Durch die Arbeit mit einer Reihe von Schritten zum Sammeln und Analysieren von Marktdaten können die besten globalen &ldquoDiscount Mobile Virtual Network Operator Market&rdquo-Forschungsbericht wird mit dem Expertenteam erstellt. Als hervorragende Quelle für Marktinformationen bietet der Bericht aktuelle und kommende technische und finanzielle Details der Branche. Die Marktstudie und Analyse dieses Geschäftsberichts hilft auch dabei, Verbrauchertypen, ihre Ansichten zum Produkt, ihre Kaufabsichten und ihre Ideen zur Weiterentwicklung eines Produkts herauszufinden. Der Bericht über den Discount Mobile Virtual Network Operator umfasst verschiedene Segmente, die mit der Discount Mobile Virtual Network Operator-Branche und dem Markt mit umfassenden Recherchen und Analysen verbunden sind.

Der Global Discount Mobile Virtual Network Operator-Marktforschungsbericht leitet den Hersteller über die Planung von Werbe- und Verkaufsförderungsmaßnahmen an und macht sie effektiver. Der Bericht enthält alle detaillierten Profile für die wichtigsten Hersteller und Importeure des Discount Mobile Virtual Network Operator-Marktes, die den Markt beeinflussen. Diese Marktumfrage bietet wichtige Informationen über die Discount Mobile Virtual Network Operator-Branche wie hilfreiche und wichtige Fakten und Zahlen, Expertenmeinungen und die neuesten Entwicklungen auf der ganzen Welt. Eine einflussreiche Marktstudie umfasst Treiber und Einschränkungen für den Markt sowie deren Auswirkungen auf die Nachfrage im Prognosezeitraum, die mithilfe der SWOT-Analyse abgeleitet wurden.

(Das Muster dieses Berichts ist auf Anfrage erhältlich)

Dieses Berichtsbeispiel enthält:

  • Eine kurze Einführung in den Forschungsbericht.
  • Grafische Einführung der Regionalanalyse.
  • Top-Player auf dem Markt mit ihrer Umsatzanalyse.
  • Ausgewählte Illustrationen zu Markteinblicken und Trends.
  • Beispielseiten aus dem Bericht.

Wettbewerbsgelände:

Der Bericht hebt wichtige Informationen zu Unternehmensprofilen, Produktportfolio, Wachstumsaussichten, Kostenbewertung, Gesamtumsatz, Umsatz, Marktanteil von Schlüsselregionen, etablierten Unternehmen und aufstrebenden Akteuren hervor. Die Studie umfasst eine SWOT-Analyse der Hauptakteure auf dem Discount Mobile Virtual Network Operator-Markt, um deren Stärken, Schwächen, Chancen und Bedrohungen zu bewerten und die internen und externen Umgebungen und Elemente des Unternehmens zu untersuchen, die das Wachstum des Unternehmens beeinflussen könnten.

Die im Bericht aufgeführten führenden Marktteilnehmer sind: Virgin Media DataXoom Lebara KDDI CORPORATION Asahi Net, Inc. FRiENDi. Boost Mobile Lycamobile. Tesco Mobile Airvoice Wireless ASDA Giffgaff Kajeet, Inc. Voiceworks BV Ting Red Pocket Mobile. Consumer Cellular, Inc. Lyca mobile Indien. Geistiges Eigentum von AT&T. IBM Corporation unter anderen nationalen und globalen Playern..

*Hinweis: Weitere Firmen können auf Anfrage aufgenommen werden.

Segmentierung des Discount Mobile Virtual Network Operator-Marktes:

Der Bericht bietet eine eingehende Analyse verschiedener Marktsegmente basierend auf Produktlinie, Anwendungen, wichtigsten Regionen und Schlüsselunternehmen der Branche. Darüber hinaus enthält der Bericht einen einzigen Abschnitt, der eine detaillierte Analyse des Herstellungsprozesses enthält und Informationen aus primären und sekundären Datenerhebungsquellen enthält. Die Hauptquelle für die Datenerhebung sind Interviews mit Branchenexperten, die genaue Informationen über das zukünftige Marktszenario liefern.

Auswirkung von COVID-19:

Der Discount Mobile Virtual Network Operator-Marktbericht untersucht die Auswirkungen des Coronavirus (COVID-19) auf die Discount Mobile Virtual Network Operator-Branche. Seit Dezember 2020 hat sich die COVID-19-Infektion auf praktisch 180+ Nationen auf der ganzen Welt ausgebreitet, wobei die Weltgesundheitsorganisation sie zu einer allgemeinen Gesundheitskrise erklärt hat. Die weltweiten Auswirkungen der Covid-Infektion 2020 (COVID-19) sind jetzt spürbar und werden den Discount Mobile Virtual Network Operator-Markt im Jahr 2020 wesentlich beeinflussen.

Unser Forschungsbericht zum Discount Mobile Virtual Network Operator-Markt wird mit Hilfe aussagekräftiger Datendarstellungen und Zahlen präsentiert und bietet einen unvoreingenommenen Blick auf das globale Bild, indem er sich auf wichtige Segmente wie Produkttyp, Verwaltungsweg und Vertriebskanal über ausgewählte Bereiche hinweg konzentriert Geographien. Dieser globale Bericht über den Discount Mobile Virtual Network Operator-Markt hat einen vordefinierten Zweck, und alle Zahlen, Zahlenstatistiken, Grafiken usw. basieren auf einer perfekten, klaren Marktdefinition. Dies wird dem Betrachter der Studie dabei helfen, Entscheidungen auf der Grundlage gut recherchierter Erkenntnisse unserer Analysten und Domänenexperten zu treffen.

Discount Mobile Virtual Network Operator Geografische Marktanalyse:

Der neueste Business Intelligence-Bericht analysiert den Discount Mobile Virtual Network Operator-Markt in Bezug auf Marktreichweite und Kundenbasis in wichtigen geografischen Marktregionen. Der Markt für Discount Mobile Virtual Network Operator kann geografisch unterteilt werden in Nordamerika, Asien-Pazifik, Europa, Lateinamerika, Naher Osten und Afrika. Dieser Abschnitt des Berichts bietet eine genaue Bewertung der Marktpräsenz von Discount Mobile Virtual Network Operator in den wichtigsten Regionen. Es definiert den Marktanteil, die Marktgröße, den Vertrieb, das Vertriebsnetz und die Vertriebskanäle für jedes regionale Segment.

Kernpunkte der geografischen Analyse:

** Daten und Informationen zum Verbrauch in jeder Region

** Die geschätzte Verbrauchssteigerung

** Vorgeschlagenes Wachstum des Marktanteils für jede Region

** Geografischer Beitrag zum Markteinkommen

** Erwartete Wachstumsraten der regionalen Märkte

Highlights der folgenden Schlüsselfaktoren:

Geschäftsbeschreibung &ndash Eine detaillierte Beschreibung der Geschäftstätigkeiten und Geschäftsbereiche des Unternehmens.

Unternehmensstrategie &ndash Analysten-Zusammenfassung der Geschäftsstrategie des Unternehmens.

SWOT-Analyse &ndash Eine detaillierte Analyse der Stärken, Schwächen, Chancen und Risiken des Unternehmens.

Firmen Geschichte &ndash Verlauf wichtiger Ereignisse im Zusammenhang mit dem Unternehmen.

Wichtige Produkte und Dienstleistungen &ndash Eine Liste der wichtigsten Produkte, Dienstleistungen und Marken des Unternehmens.

Hauptwettbewerber &ndash Eine Liste der wichtigsten Wettbewerber des Unternehmens.

Wichtige Standorte und Tochtergesellschaften &ndash Eine Liste und Kontaktdaten der wichtigsten Standorte und Tochtergesellschaften des Unternehmens.

Detaillierte Finanzkennzahlen der letzten 5 Jahre &ndash Die neuesten Finanzkennzahlen aus den Jahresabschlüssen des Unternehmens mit 5-jähriger Geschichte.

Höhepunkte des Inhaltsverzeichnisses:

  • Kapitel 1: Marktübersicht
  • Kapitel 2: Globale Marktanalyse für Discount Mobile Virtual Network Operator
  • Kapitel 3: Regionale Analyse der Branche des Discount-Mobilfunknetzbetreibers
  • Kapitel 4: Marktsegmentierung nach Typen und Anwendungen
  • Kapitel 5: Umsatzanalyse nach Typen und Anwendungen
  • Kapitel 6: Marktanteil
  • Kapitel 7: Wettbewerbslandschaft
  • Kapitel 8: Treiber, Einschränkungen, Herausforderungen und Chancen
  • Kapitel 9: Bruttomargen- und Preisanalyse

(*Wenn Sie spezielle Anforderungen haben, teilen Sie uns dies bitte mit und wir bieten Ihnen den Bericht nach Ihren Wünschen an.)

Wichtige Erkenntnisse aus dem Bericht:

  • Technologische Entwicklungen im Bereich des Discount Mobile Virtual Network Operator Market.
  • Wachstumsperspektiven für neue Marktteilnehmer in verschiedenen Regionen.
  • Unternehmensprofile führender Akteure auf dem Discount Mobile Virtual Network Operator-Markt.
  • Aktuelle Erkenntnisse zu den wichtigsten Erfolgsfaktoren, die sich auf das Wachstum des Discount Mobile Virtual Network Operator Marktes auswirken.
  • Jüngste Fusionen, Übernahmen, Partnerschaften und strategische Allianzen.

Wichtige Fragen, die im Discount Mobile Virtual Network Operator-Marktbericht behandelt werden:

  1. Wie werden sich die sich entwickelnden Trends auf das Wachstum des Discount Mobile Virtual Network Operator Marktes im Prognosezeitraum auswirken?
  2. Welche Unternehmen dominieren derzeit den Discount Mobile Virtual Network Operator-Markt in Bezug auf den Marktanteil?
  3. Wie können Marktteilnehmer die lukrativen Chancen in Region 1 nutzen?
  4. Wie hoch ist die prognostizierte Wachstumsrate des Discount Mobile Virtual Network Operator-Marktes in verschiedenen Regionen im Prognosezeitraum?
  5. Ist das aktuelle Marktszenario günstig für das Wachstum neuer Marktteilnehmer?

Haben Sie Fragen zur Branche der Anbieter virtueller Mobilfunknetze mit Rabatt? Erkundigen Sie sich hier nach einem Rabatt oder melden Sie eine Anpassung an @ https://www.databridgemarketresearch.com/inquire-before-buying/?dbmr=global-discount-mobile-virtual-network-operator-market

Vielen Dank, dass Sie diesen Artikel gelesen haben. Sie können auch einzelne kapitelweise Abschnitte oder regionale Berichtsversionen wie Nordamerika, Europa, MEA oder Asien-Pazifik erhalten.

Suchen Sie nach fruchtbaren Geschäftsbeziehungen mit Ihnen!

Über Data Bridge-Marktforschung:

Eine absolute Möglichkeit, die Zukunft vorherzusagen, besteht darin, den Trend heute zu verstehen!

Data Bridge Market Research hat sich als unkonventionelles und neoterisches Marktforschungs- und Beratungsunternehmen mit beispielloser Belastbarkeit und integrierten Ansätzen profiliert. Wir sind entschlossen, die besten Marktchancen zu entdecken und effiziente Informationen zu fördern, damit Ihr Unternehmen auf dem Markt erfolgreich sein kann. Data Bridge ist bestrebt, den komplexen geschäftlichen Herausforderungen angemessene Lösungen anzubieten und leitet einen mühelosen Entscheidungsprozess ein. Data Bridge ist eine Folge reiner Weisheit und Erfahrung, die im Jahr 2015 in Pune formuliert und gestaltet wurde.

Wir sind zufrieden mit unserer glorreichen 99,9 % Kundenzufriedenheitsrate.


Flüssigkeitskategorie 1

Gesundes Wasser, das von einem Wasserversorger geliefert wird und den Anforderungen der Vorschriften gemäß Abschnitt 67 des Wasserwirtschaftsgesetzes von 1991 entspricht.

Flüssigkeitskategorie 2

Wasser der Flüssigkeitskategorie 1, dessen ästhetische Qualität beeinträchtigt ist durch – (a) eine Änderung seiner Temperatur oder / (b) das Vorhandensein von Stoffen oder Organismen, die eine Änderung seines Geschmacks, Geruchs oder Aussehens verursachen, einschließlich Wasser in heißem Wasser Vertriebssystem.

Flüssigkeitskategorie 3

Flüssigkeit, die aufgrund der Konzentration von Stoffen mit geringer Toxizität eine leichte Gesundheitsgefahr darstellt, einschließlich Flüssigkeiten, die (a) Ethylenglykol, Kupfersulfatlösung oder ähnliche chemische Zusätze oder (b) Natriumhypochlorit (Chloros und übliche Desinfektionsmittel) enthalten.

Flüssigkeitskategorie 4

Flüssigkeit, die aufgrund der Konzentration giftiger Stoffe eine erhebliche Gesundheitsgefahr darstellt, einschließlich Flüssigkeiten, die (a) chemische, krebserregende Stoffe oder Pestizide (einschließlich Insektizide und Herbizide) oder / (b) Umweltorganismen von potenzieller gesundheitlicher Bedeutung enthalten.

Flüssigkeitskategorie 5

Flüssigkeit, die aufgrund der Konzentration pathogener Organismen, radioaktiver oder sehr giftiger Substanzen eine ernsthafte Gesundheitsgefahr darstellt, einschließlich aller Flüssigkeiten, die – (a) Fäkalien oder andere menschliche Abfälle / (b) Schlachtabfälle oder andere tierische Abfälle oder / (c) Krankheitserreger enthalten aus einer anderen Quelle.

Unsere Flüssigkeitstrenntanks der Kategorie 5 für Trink- und Nicht-Trinkwasser sind alle vollständig DWI-zugelassen und erfüllen die spezifischen Anforderungen der Vorschrift 31. WRAS-Informationen und Leitlinien: Für Kaltwasserspeicherzisternen und Konstruktionsempfehlungen für Netzeinlässe. Laden Sie Ihr Exemplar hier herunter.


Welchen Mehrziel-Optimierungsalgorithmus sollte man wählen?

Das Mehrzieloptimierungsproblem in meinem Fall ist wie folgt definiert:

Ziel 1: Minimieren von $f_1(X_1,X_2)=C_1X_1+C_2X_2+C_3X_1^2+C_4X_2^2+C_5X_1^2X_2^2$

Ziel 2: Minimieren von $f_2(X_1,X_2)=D_1X_1+D_2X_2+D_3X_1^2+D_4X_2^2+D_5X_1^2X_2^2$

Ziel 3: Minimieren von $f_3(X_2)=-E_1X_2$

Einschränkung 1: $ 0 le X_1 le A_1$

Bedingung 2: $ 0 le X_2 le A_2$

Einschränkung 3: $ X_1 + X_2 le A_3$

Hier sind $C_1,C_2,C_3,C_4,C_5,D_1,D_2,D_3,D_4,D_5,E_1,A_1,A_2$ und $A_3$ positive konstante Zahlen. $X_1$ und $X_2$ sind Entscheidungsvariablen.

Ich habe eine Real-Coding-Methode zur Chromosomencodierung verwendet und NSGA-II zur Optimierung verwendet. Ich habe NSGA-II verwendet, da es die am häufigsten verwendete Methode ist, um an einer Pareto-Front zu gelangen. Ist es jedoch für die Verwendung von NSGA-II immer erforderlich, die NP-Härte eines Problems zu beweisen?

Um die Rechenkomplexität eines NSGA-II-Problems zu berechnen, müssen wir sowohl die Komplexität für jede Generation als auch die Anzahl der Generationen berechnen [1] .

Nehmen wir an, die Komplexität sei $mathcal O(Gcdot Fcdot P^2)=mathcal O(100cdot3cdot100^2)$ . Hier ist $G$ die Anzahl der Generationen, $F$ ist die Anzahl der Zielfunktionen und $P$ ist die Populationsgröße.

Wie rechtfertigen wir in diesem Fall den Einsatz von NSGA-II?

[1] Curry, D.M., Dagli, C.H. (2014). Rechnerische Komplexitätsmaße für viele-objektive Optimierungsprobleme. Procedia Informatik. 36:185-191.