1) optimizing hill-climbing
寻优式爬山法
2) Climbing algorithm Optimization
优化爬山算法
3) hill climbing method
爬山算法
1.
An improved algorithm HCGA is proposed here based on the combination of adaptive genetic algorithm and hill climbing method for automated software test data generation.
针对软件测试数据的自动生成,提出了一种自适应遗传算法和爬山算法相结合的改进算法HCGA。
2.
The hill climbing method in the design of Boolean functions was considered.
针对布尔函数设计中的爬山算法,分析了算法中集合W_(2,3)~+与W_(2,3)~-的性质,优化了该算法的部分计算。
4) hill climbing algorithm
爬山算法
1.
Design of boolean functions using mixed hill climbing algorithms;
混合爬山算法设计布尔函数
2.
Furthermore,the system can obtain the optimal current of object lens by the Hill Climbing Algorithm.
本系统依靠FEI公司提供的接口函数(API)采集样品的图像,利DCT变换对图像进行频域性质分析,设计出图像清晰度评价函数,并且使用爬山算法搜索出最佳聚焦物镜电流,成功设计出高精度、鲁棒性高的自动调焦软件,实现了调焦的自动化。
5) hill climbing method
爬山法
1.
Firstly,the hill climbing method(HC) is applied to the genetic algorithm,and the improved algorithm combines characteristics of fast search,strong robustness and easy convergence.
首先将爬山法应用于遗传算法,使得改进后的遗传算法不仅具有搜索速度快、鲁棒性强等优点,而且收敛迅速,精度高;然后将改进算法应用于发电机机组优化。
2.
A numerical method named adaptive zoom hill climbing method is designed to solve complex transcendental equations of multi layer optical waveguide.
对金属覆层保偏光纤偏振器建立了五层波导变参量物理模型 ,设计了自适应套孔爬山法的数值计算方法求解含多层波导本征值的复超越方程 ,计算结果揭示了金属覆层保偏光纤偏振器的物理机制 ,并对器件进行了优化设计 ,给出了实验结
6) hill-climbing algorithm
爬山算法
1.
Container yard crane scheduling based on hill-climbing algorithm;
基于爬山算法的集装箱堆场场桥调度
2.
This paper builds a hybrid genetic algorithm which is the combination of genetic algorithm and hill-climbing algorithm for solving active power dispatch problem, and conducts some experimental computations.
提出将爬山算法与遗传算法相结合,从而构成了求解有功负荷分配问题的混合遗传算法,并进行实验计算。
3.
According to the features of physical distribution,this paper puts forward the mathematic model for solving planning,and proposes a mixed hybrid algorithm which can overcome the shortcomings in searching of the hybrid algorithm and hill-climbing algorithm.
针对物流配送路径的特点,建立了配送路径优化问题的数学模型,并结合爬山算法和遗传算法提出新的混合遗传算法,仿真结果表明该算法可在一定程度上克服爬山算法全局搜优的不足和遗传算法局部搜优的局限,从而得到更符合实际的解。
补充资料：动力学系统参数寻优
在一组约束条件下,寻找动力学系统的一组参数,使给定的指标达到最优值（极大或极小值）的方法。它广泛应用于系统的分析、综合与设计中。在实际的动力学系统寻优问题中，给出指标的解析式很困难或者给出的解析式很复杂，一般只能针对具体参数，通过仿真来计算系统的指标。为了寻求使指标达到最优值的参数，必须进行多次运行仿真。因此，动力学系统寻优是多次运行仿真的一个重要方面。
动力学系统参数寻优方法的基本步骤是：①给定一组初始参数，并用仿真的方法计算出系统在这一参数下所达到的指标。②按照一定的规则在某一个寻优方向上找到一组新的参数，它和初始参数之间的距离称为寻优步长。新参数必须满足约束条件。③再用仿真的方法计算出系统在新参数下所达到的指标。④判断新参数是否已使指标达到最优值;如果尚未达到,则继续由这组新参数出发再重新寻找，直到使指标达到最优值为止。寻优的效率不仅取决于确定寻优方向和寻优步长的规则，还取决于仿真的效率。
动力学系统参数寻优的算法大多来源于非线性规划的迭代数值解法，如区间消去法、插值法、单纯形法、共轭梯度法等（见非线性规划）。为了解决多极值指标和泛函限制条件的问题，80年代出现了一些新算法，如自适应随机法，它能在寻优过程中自适应地选择寻优步长分布的最优方差，并周期地探测局部最优的寻优步长方差，从而找到改进的新区域，降低落入局部极值的概率。
动力学系统参数寻优方法的基本步骤是：①给定一组初始参数，并用仿真的方法计算出系统在这一参数下所达到的指标。②按照一定的规则在某一个寻优方向上找到一组新的参数，它和初始参数之间的距离称为寻优步长。新参数必须满足约束条件。③再用仿真的方法计算出系统在新参数下所达到的指标。④判断新参数是否已使指标达到最优值;如果尚未达到,则继续由这组新参数出发再重新寻找，直到使指标达到最优值为止。寻优的效率不仅取决于确定寻优方向和寻优步长的规则，还取决于仿真的效率。
动力学系统参数寻优的算法大多来源于非线性规划的迭代数值解法，如区间消去法、插值法、单纯形法、共轭梯度法等（见非线性规划）。为了解决多极值指标和泛函限制条件的问题，80年代出现了一些新算法，如自适应随机法，它能在寻优过程中自适应地选择寻优步长分布的最优方差，并周期地探测局部最优的寻优步长方差，从而找到改进的新区域，降低落入局部极值的概率。
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