Table 1 and Table 2, demonstrate th

Table 1 and Table 2, demonstrate the computational results of the 8 test problem scenarios with r =
25, and r = 50, respectively. In these tables, we incorporated the best Ratio among the 3 runs of the
test problems. From these tables, it can be seen that, for the worst case, the GA solutions of the test
problems are deviated by less than 10% of the upper bound of the optimal solutions. This
concludes that the developed genetic algorithm can obtain the optimal and/or near optimal solutions
of the considered problem.

Kết quả (Việt) 1:

Bảng 1 và bảng 2, chứng minh các kết quả tính toán của các kịch bản vấn đề kiểm tra 8 với r =25, và r = 50, tương ứng. Trong các bảng, chúng tôi hợp nhất với tỷ lệ tốt nhất trong số 3 chạy của cáckiểm tra vấn đề. Từ các bảng, có thể thấy rằng, đối với trường hợp xấu nhất, giải pháp GA của thử nghiệmvấn đề deviated ít hơn 10% của ràng buộc của các giải pháp tối ưu. Điều nàykết luận rằng các thuật toán di truyền phát triển có thể có được sự tối ưu và/hoặc gần giải pháp tối ưuđược coi là vấn đề.

Kết quả (Việt) 2:

Bảng 1 và Bảng 2, chứng minh các kết quả tính toán của các kịch bản vấn đề 8 thử nghiệm với r =
25, và r = 50, tương ứng. Trong các bảng này, chúng tôi kết hợp các Tỷ lệ tốt nhất trong số 3 chạy của các
vấn đề kiểm tra. Từ các bảng, nó có thể được nhìn thấy rằng, đối với các trường hợp xấu nhất, các giải pháp GA của các kiểm tra
các vấn đề bị lệch ít hơn 10% trên ràng buộc trong những giải pháp tối ưu. Điều này
kết luận rằng các thuật toán di truyền phát triển có thể có được sự tối ưu và / hoặc gần giải pháp tối ưu
của vấn đề xem xét.