2) hierarchical genetic algorithm
递阶遗传算法
1.
Optimization for parallel multi-machine scheduling based on hierarchical genetic algorithm;
基于递阶遗传算法的并行多机调度优化
2.
Automatic fuzzy rule extraction based on hierarchical genetic algorithm weighted fuzzy neural networks;
基于递阶遗传算法模糊加权神经网络的模糊规则自动获取
3.
Optimization strategy of neural network based on adaptive hierarchical genetic algorithm;
基于自适应递阶遗传算法的神经网络优化策略
3) hierarchy genetic algorithm
递阶遗传算法
1.
Contraposed to the insufficiency of simple hierarchy genetic algorithm, the concept of individual deepness was first proposed, which is used to scale the diversity of population.
针对简单递阶遗传算法的不足 ,首先提出了个体浓度的概念 ,以衡量种群的多样性 。
2.
Based on the study of self-adaptive wavelet neural networks,a hybrid hierarchy genetic algorithm is proposed to training network.
在研究自适应小波神经网络学习算法的基础上,提出了一种混合递阶遗传算法,与标准遗传算法相比,该算法不仅可以同时确定网络参数(连接权、尺度参数和平移参数),而且解决了网络拓扑结构的优化训练问题。
3.
In view of the lack of BP neural network,in which the initial parameters and the structure are difficult to be determined objectively,the hierarchy genetic algorithm was introduced to optimize the network configuration and parameters.
针对BP神经网络初始参数和结构难以客观确定的不足,引入递阶遗传算法对网络结构和参数进行优化,并比较相同条件下不同适应度函数的优化结果,最终确定出适宜的适应度函数,在此基础上建立副热带高压特征指数的预报优化模型。
4) hierarchical GA
递阶遗传算法(HGA)
5) tabu-hierarchy genetic algorithm
禁忌-递阶遗传算法
1.
A non-NP QoS (quality of service) multicast routing algorithm in IP/DWDM optical Internet, which is one of the main networking technique of NGI (next generation Internet) backbone, is proposed to construct an optimized QoS multicast routing tree based on THGA (tabu-hierarchy genetic algorithm).
设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Internet中的QoS组播路由问题
6) pricipal component analysis(PCA)
压缩映射递阶遗传算法
补充资料：大系统递阶控制
分子式：
CAS号：
性质：从设计角度讲是指以分解-协调原理对动态大系统实行多级优化。它将整体大规模优化问题通过参数分解或结构分解转化为一些相互关联的子问题。上级子问题通过协调变量规定下级子问题的内容，使之成为易于求解的简单问题或小规模问题，解得的结果反馈到上级子问题中，按一定的准则改进协调变量，如此反复迭代，最后趋于整体优化。从实施角度讲是指采用局部控制器和全局控制器对动态大系统实行多级控制。在更广泛的意义上，则是指对大系统实现从基础控制、多变量优化控制、稳态优化、作业调度到生产计划与管理的多级控制与管理系统。
CAS号：
性质：从设计角度讲是指以分解-协调原理对动态大系统实行多级优化。它将整体大规模优化问题通过参数分解或结构分解转化为一些相互关联的子问题。上级子问题通过协调变量规定下级子问题的内容，使之成为易于求解的简单问题或小规模问题，解得的结果反馈到上级子问题中，按一定的准则改进协调变量，如此反复迭代，最后趋于整体优化。从实施角度讲是指采用局部控制器和全局控制器对动态大系统实行多级控制。在更广泛的意义上，则是指对大系统实现从基础控制、多变量优化控制、稳态优化、作业调度到生产计划与管理的多级控制与管理系统。
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