1) cloud theory-based genetic algorithm
云遗传算法
1.
WSVM is constructed with wavelet kernel function(WKF),and cloud theory-based genetic algorithm(CGA) is used to optimize the parameters.
使用小波核函数(WKF)构建相应的WSVM,并且用云遗传算法(CGA)对相关参数进行优化。
2.
In view of the advantage of wavelet analyses in subtle feature extraction and the good global optimization ability of cloud theory-based genetic algorithm(CGA),a CGA-based complex Morlet wavelet SVM(support vector machine),called CGA-CMW-SVM for short,was proposed to improve the forecasting precision and easily select the parameters of SVM.
为提高预测精度和克服支持向量机(SVM)凭经验选择参数的不足,针对小波擅长信号细微特征提取和云遗传算法(CGA)良好的全局寻优能力,构建了以复Morlet小波为核函数、以CGA为参数优化算法的SVM——基于CGA的复Morlet小波SVM(CGA-CMW-SVM)。
2) cloud genetic algorithm
云遗传算法
1.
By using cloud genetic algorithm to optimize the BP neural network weights of wood drying benchmark model,and compare to the wood drying benchmark model established by BP neural network.
本文利用云遗传算法优化BP神经网络的权值建立木材干燥基准模型,并与BP网络干燥基准模型做比较。
3) cloud- genetic algorithm
云-遗传算法
4) cloud-based adaptive genetic algorithm
云自适应遗传算法
1.
A novel algorithm called cloud-based adaptive genetic algorithm(CAGA)is introduced,which is based on cloud model with the properties of randomness and stable tendency.
以当代种群平均适应度为期望Ex,根据云模型"3En"规则确定熵En,由X条件云发生器自适应调整交叉变异概率,提出云自适应遗传算法(CAGA)。
5) cloud model adaptive genetic algorithm
云模型自适应遗传算法
6) genetic algorithm
遗传算法
1.
Application of genetic algorithm in estimating kinetics model parameters for syn-thesis O,O-dimethylphosphorochloridothioate;
遗传算法用于估值O，O-二甲基硫代磷酰氯合成反应动力学模型的参数
2.
Optimum design of the horizontal section length in a horizontal well using genetic algorithm;
利用遗传算法进行水平井水平段长度优化设计
3.
Gas production prediction based on genetic algorithm;
基于遗传算法的天然气产量预测研究
补充资料：数值遗传算法
分子式：
CAS号：
性质：基于自然界生物进化机制的一种全局最优化方法。在遗传算法中，被研究体系的响应曲面看作为一个群体，响应曲面上的每一个点作为群体中的一个个体，个体用多维向量或矩阵来描述，组成矩阵的和向量的参数(元素)相应于生物中组成染色体的基因。染色体用固定长度的二进制位串(bit string)表示。通过交换(染色体基因交换)、突变(改变染色体基因)等遗传操作，在参数的一定范围内进行随机搜索，不断改善数据结构，构造出不同的向量，相当于得到了被研究问题的不同的解(一个个体相当于一个解)。目标函数较优的点被保留，较差的点被淘汰，最后达到全局最优化。
CAS号：
性质：基于自然界生物进化机制的一种全局最优化方法。在遗传算法中，被研究体系的响应曲面看作为一个群体，响应曲面上的每一个点作为群体中的一个个体，个体用多维向量或矩阵来描述，组成矩阵的和向量的参数(元素)相应于生物中组成染色体的基因。染色体用固定长度的二进制位串(bit string)表示。通过交换(染色体基因交换)、突变(改变染色体基因)等遗传操作，在参数的一定范围内进行随机搜索，不断改善数据结构，构造出不同的向量，相当于得到了被研究问题的不同的解(一个个体相当于一个解)。目标函数较优的点被保留，较差的点被淘汰，最后达到全局最优化。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条