Configuration Checking (CC) is a simple tool that can be added to local search algorithms to prevent cycling. The generic forms of CC and local search may not be suitable to solve large-scale unicost set covering problem (USCP) instances. Thus, in this study, we introduce an improved CC-based algorithm to solve USCPs. Unlike previous CC implementations that only consider subset states to prevent cycling, the proposed algorithm also checks the element states to minimize the number of subsets, in order to cut down unnecessary search spaces. Therefore, we refer to this technique as the element-state configuration checking (ES-CC) algorithm. Moreover, in our proposed algorithm, the score value (a numerical measure to differentiate between subsets) considers multiple levels of element covering. This multi-level scoring (MLS) value is a new powerful contribution compared to the single-level scoring used in previous CC algorithms. Using these two novel ideas, MLS and ES-CC, we implement the new MLSES-CC algorithm to solve the USCP. The MLSES-CC algorithm also implements a more aggressive local search routine that simultaneously changes the status of the three subsets. We use the MLSES-CC algorithm to solve 176 USCP instances that belong to standard and novel benchmarking sets and compare our results to the best-known USCP algorithms, in terms of solution quality and computation time. Computational experiments indicate that the MLSES-CC algorithm can be considered as a new state-of-the-art algorithm to solve USCPs.

配置检查（CC）是一个简单的工具，可以将其添加到本地搜索算法中以防止循环。CC和本地搜索的通用形式可能不适合解决大规模的单一成本集覆盖问题（USCP）实例。因此，在本研究中，我们介绍了一种改进的基于CC的算法来解决USCP。与以前仅考虑子集状态以防止循环的CC实现不同，该算法还检查元素状态以最小化子集的数量，以减少不必要的搜索空间。因此，我们将此技术称为元素状态配置检查（ES-CC）算法。此外，在我们提出的算法中，得分值（区分子集的数值度量）考虑了元素覆盖的多个级别。与以前的CC算法中使用的单级评分相比，此多级评分（MLS）值是一项新的强大功能。利用MLS和ES-CC这两个新颖的思想，我们实现了新的MLSES-CC算法来解决USCP。MLSES-CC算法还实现了更具攻击性的本地搜索例程，该例程同时更改了三个子集的状态。我们使用MLSES-CC算法来解决176个属于标准和新颖基准测试集的USCP实例，并根据解决方案质量和计算时间将我们的结果与最著名的USCP算法进行比较。计算实验表明，MLSES-CC算法可以被视为解决USCP的最新技术。我们实施了新的MLSES-CC算法来解决USCP。MLSES-CC算法还实现了更具攻击性的本地搜索例程，该例程同时更改了三个子集的状态。我们使用MLSES-CC算法来解决176个属于标准和新颖基准测试集的USCP实例，并根据解决方案质量和计算时间将我们的结果与最著名的USCP算法进行比较。计算实验表明，MLSES-CC算法可以被视为解决USCP的最新技术。我们实施了新的MLSES-CC算法来解决USCP。MLSES-CC算法还实现了更具攻击性的本地搜索例程，该例程同时更改了三个子集的状态。我们使用MLSES-CC算法来解决176个属于标准和新颖基准测试集的USCP实例，并根据解决方案质量和计算时间将我们的结果与最著名的USCP算法进行比较。计算实验表明，MLSES-CC算法可以被视为解决USCP的最新技术。我们使用MLSES-CC算法来解决176个属于标准和新颖基准测试集的USCP实例，并根据解决方案质量和计算时间将我们的结果与最著名的USCP算法进行比较。计算实验表明，MLSES-CC算法可以被视为解决USCP的最新技术。我们使用MLSES-CC算法来解决176个属于标准和新颖基准测试集的USCP实例，并根据解决方案质量和计算时间将我们的结果与最著名的USCP算法进行比较。计算实验表明，MLSES-CC算法可以被视为解决USCP的最新技术。