RandomCsp is a set of C++ classes and a set of programs for generating test sets for binary constraint satisfaction problems. Several models are currently available. The classes are useful for implementing algorithms that solve these problems.
Information regarding Project Releases and Project Resources. Note that the information here is a quote from Freecode.com page, and the downloads themselves may not be hosted on OSDN.
Diese Veröffentlichung fügt das Modell RB von Xu und Li. Es funktioniert mit gcc 3.3.2. Die Standard-Ausgabe wurde von der Liste auf die Matrix verändert.
Tags:
Major feature enhancements
This release adds the model RB by Xu and Li. It works with gcc 3.3.2. The default output has been changed from list to matrix.
Diese Veröffentlichung fügt Modell F, das eine Verbesserung gegenüber dem Modell E, wenn sie mit der Dichte Immobilien in constraint satisfaction Problemen betroffen ist.
Tags:
Major feature enhancements
This release adds Model F which is an improvement over Model E when concerned with the density property in constraint satisfaction problems.
Ein neues Dateiformat, das spart möglicherweise Speicherplatz hinzugefügt. Ein neuer Antrag auf CSP Instanzen analysieren wurde hinzugefügt. Eine neue Generation Modell namens Modell G, welche Instanzen erzeugt, die nur schwer zu beweisen, für evolutionäre Algorithmen lösen, wurde hinzugefügt.
Tags:
Major feature enhancements
A new file format that potentially saves disk space was added. A new
application to analyze CSP instances was added. A new generation model, called
Model G, which generates instances that prove difficult to solve for
evolutionary algorithms was added.
Eine neue zufällige Modell (Modell G) wurde hinzugefügt, dass schafft lösbar Instanzen, die für evolutionäre Algorithmen trügt. Ein Fehler im Modell E festgesetzt worden war, das Erstellen von Instanzen der war zu einfach. Ältere Modelle wurden ent-sprechenden Namen umbenannt (Modell A und Modell B).
A new random model (model G) was added that creates solvable instances that are deceptive for evolutionary algorithms. A bug in model E was fixed, creating instances that were too easy. Older models were renamed to appropriate names (model A and model B).
