线性排序问题求解算法性能评估数据集-alexandrelemercier
数据来源：互联网公开数据
标签：线性排序问题,优化算法,启发式算法,算法评估,计算实验,组合优化,数据分析
数据概述：
本数据集包含线性排序问题（LOP, Linear Ordering Problem）的求解结果，涵盖了14种启发式算法的性能评估数据。数据以CSV格式存储，文件名遵循特定命名规则，便于理解和检索。每个CSV文件代表一个算法的运行结果，文件名由以下部分构成：lop_result_∪pivotingRule∪neighborhoodStrategy∪initialSolutionMethod∪_ft∪FIRST_THRESHOLD∪.csv。其中：
pivotingRule：0表示首次改进，1表示最佳改进。
neighborhoodStrategy：0表示转置邻域，1表示交换邻域，2表示插入邻域，3表示使用转置->交换->插入的变量邻域下降（VND），4表示使用转置->插入->交换的VND。
initialSolutionMethod：0表示随机初始解，1表示Chenery和Watanabe初始解。
FIRST_THRESHOLD：首次改进的阈值，通常设为10,000，对于转置算法，由于其运行速度较快，阈值设为0。
CSV文件包含以下列：
FileName：文件名
Time：算法执行时间（秒）
InitialCost：初始解的目标函数值
FinalCost：算法优化后的目标函数值
PercentageImprovement：相对于初始解的改进百分比
PercentageOfBestKnown：相对于已知最优解的差距百分比
数据用途概述：
该数据集可用于算法性能比较、启发式算法研究、优化算法设计与分析等多种场景。研究人员可以利用此数据评估不同算法在解决线性排序问题时的效率和效果，分析不同参数设置对算法性能的影响，并探索新的优化策略。该数据集也适用于教学和科研，帮助学生理解优化算法的原理和应用，并进行实验验证。
