1、“.....我们提高了技术，提出了个包括本地搜索组成部分新框架。并进行了产业规模测试案例以及特大案件实验。在规模较小测试情况下，把质量和速度启发式与结果进行比较。这些表明，无论是小问题还是大问题，在很短运行内，与本地搜索表现最佳，并且能够获得很好效果，在实际情况下也允许其使用，。在实践中，更为复杂情况可能会发生......”。

2、“.....虽然这会得到解决，但也有待进步研究。ff,fl,附录英文原文,,fi,,ffi,,,ffiflfi,ffifl,ffiffff,fl,,ffffff,fi,fi,,附录英文原文,,。其中计划选择是取决于另个概率。本地搜索在本地搜索成分，我们使用邻域搜索，并加强它应用启发式技术。邻域搜索，我们将继续用描述在第同样计划。在此之后，目前创造邻近贪婪解决办法......”。

3、“.....这将继续进行，直至超越局部最优或达到若干步骤所规定界限。分析仪分析仪负责每个起重机。责任如何大归咎于目前转让影响解决办法。在这个问题上，归咎于起重机取决于还有多少转让价值，以期实现利润总额，同时，有多少工作机会因为空间限制禁止转让。在负责价值计算，这两个因素都应该加以考虑。先锋旦责任已经指派，先锋改变了以往起重机顺序......”。

4、“.....而那些规模较小责任价值观，将维持在背面序列。然后问题起重机将首先由构造器在下迭代处理。实验结果我们实施了四种不同算法爬山重新启动，概率禁忌搜索，车轮优化和本地搜索在吉赫记忆体上运用。使用参数为迭代，删除罚款单位，加上罚款单元，吸入性阈值转移酶，过渡罚款单位，居留罚款单位，候选人甄选概率性，型最大值迭代年......”。

5、“.....爬山迭代。这些都是因对小型测试案例参数调整取得了广泛运行试验。为检验尺寸，我们在这里提供港口成果，以反映实际情况。如前所述，求职包裹中包括了多项工作，以处理在个特定时间间隔，并且这些工作来源于定数量船只和包含在内部分起重机。通常情况下，不同大小船舶之间，至个起重机被分配到条船。每艘船就业人数所需要任何个航次可由不同大小和配置来决定......”。

6、“.....例如船上有四名持有若干面积可能有九种不同职位。因为，通常情况下，包裹将不超过条船，我们在初审测试过算法数据代表不超过三十个起重机和四十二个职位。我们遇到第组个实例中，只能从最小个事例获取成果。其余个较大情况下造成复杂内存。在几秒钟内测试所有正在运行时间，我们发现，复杂和启发式算法都很快。所有算法实现了最优解决方案......”。

7、“.....个事例中我们产生了个第二批事例，其尺寸为和。这些事例被用来观察运行时间增加和大小，以及比较优质解决方案。发现个实例中有个最优解。但是，运行时间却缩短了。然而，当实例越来越大，而且过去例出现失控记忆，复杂度也显著增加了。另方面，关于四个启发式算法继续获得解决方案，虽然在很短时间内，和对较大案件没有非常好表现。然而......”。

8、“.....在第组中，过去宗复杂失控记忆中，个中有个获得了最优解，并发现好解决办法。这些都是在很短时间内完成，全部在秒以内。为约束条件紧张，这个问题就是对于给定起重机只有几个职位被兼容，解决邻域搜索可以生成但却受到限制。是个很容易被困在当地最优解，结果也证实了这点。同样，在基础上，邻域搜索很容易被困在地区搜索空间，这也解释了为什么其表现欠佳......”。

9、“.....和使用既解空间和优先空间，在优先空间让个小变化引起大变化。是个算法中最好。和两者表现区别是显著，这完全归因于本地搜索组成并能产生各种不同解决方案。这点非常重要，相比纯粹是贪婪解决办法所造成构造器中使用更多是。此外，由于所有要素分配平等责任，有个较高当地最优机率就可以防患于未然。不过，由于其本地搜索组成部分它也是有最悠久经营启发式......”。