1) hybrid genetic algorithm
杂交遗传算法
1.
Application of hybrid genetic algorithm to the optimization of structural vibration control;
杂交遗传算法在结构振动控制优化中的应用
2.
Therefore,an improved hybrid genetic algorithm is presented which is based on both hybrid genetic and real coded genetic ones,which were developed recently.
为此,在杂交遗传算法和实代码遗传算法的基础上,开发了一种改进的杂交遗传算法,该算法不仅可以计算含不等式约束的优化问题,而且可以处理含线性等式的优化目标问题。
3.
Drawing on idea of genetics,a staged hybrid genetic algorithm (SHMGA) with multi-group (SHMGA) is proposed.
借鉴生物遗传学提出了一种多群体阶段性杂交遗传算法。
2) hybrid genetic algorithms
杂合遗传算法
1.
In this paper,we present a hybrid genetic algorithms.
提出一种将遗传算法与启发式规则、模拟退火法等搜索方法结合在一起的杂合遗传算法 ,用于求解工艺路线可变的JobShop调度问题。
4) interactive genetic algorithm
交互式遗传算法
1.
Fashion design system based on radial basis function networks and interactive genetic algorithm;
基于径向基网络与交互式遗传算法的服装设计
2.
Approach to image retrieval based on interactive genetic algorithm and rough set;
基于交互式遗传算法和粗糙集的图像检索方法
3.
Application of interactive genetic algorithm in music composition;
交互式遗传算法在作曲中的应用
5) orthogonal genetic algorithm
正交遗传算法
1.
For this purpose,it presents a simulation optimization approach for system-of-systems based on orthogonal genetic algorithm and sensitivity analysis.
鉴于此,提出了一种基于正交遗传算法和灵敏度分析的体系仿真优化方法。
2.
In this paper,a new non-parameter penalty function multi-objective orthogonal genetic algorithm is presented to solve the nonlinear programming problem.
本文提出了一种解非线性规划问题非参数罚函数多目标正交遗传算法,对违反约束的个体进行动态的惩罚以保持群体中不可行解的一定比例,从而不但有效增加种群的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近。
3.
In order to solve the complex optimization problem with uncertain phenomenon effectively,this paper presents a probability simulation optimization method based on orthogonal genetic algorithm.
为了有效解决含有不确定现象的复杂优化问题,文中提出了基于正交遗传算法的概率仿真优化方法。
6) genetic orthogonal algorithm
遗传正交算法
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