1) CGA
混沌遗传优化算法
1.
A combined method of Facial Expression Recognition(FER) is proposed based on Modified Color Co-occurrence Matrix(MCM) and Chaos in Genetic Algorithms(CGA).
提出基于灰度共生矩阵(MCM)和混沌遗传优化算法(CGA)的人脸表情识别方法(FER)。
2) genetic chaos optimizat
遗传混沌优化
3) Chaotic genetic algorithm
混沌遗传算法
1.
Seismic Wavelet Estimation Based on High-order Statistics and Chaotic Genetic Algorithm;
基于高阶统计量和混沌遗传算法地震子波提取方法的研究
2.
Finally,intelligent operation pattern optimization based on neural networks and chaotic genetic algorithm is adopted to optimize the operation pattern sub sets.
该系统首先采用动态T-S递归模糊神经网络(Dynamic T-S Recurrent Fuzzy Neural Network,DTRFNN)对工艺参数进行软测量,再采用模式分解的方法对海量数据进行分解,最后对模式子集采用基于神经网络和混沌遗传算法的铜闪速熔炼操作模式智能优化方法进行优化。
4) chaos genetic algorithm
混沌遗传算法
1.
Modified chaos genetic algorithm and its application on operation-optimization of copper smelting converter;
改进的混沌遗传算法及其在炼铜转炉操作优化中的应用
2.
The optimal operation model based on chaos genetic algorithm for hydropower station and its application;
基于混沌遗传算法的水电站优化调度模型及应用
3.
Research of chaos genetic algorithm on AGC units dispatchment;
AGC机组调配经济性的混沌遗传算法研究
5) CGA
混沌遗传算法
1.
Reactive Power Optimization of Distribution Network Based on CGA;
基于混沌遗传算法的配电网无功补偿优化
2.
On the condition of design requirement and actual working condition,optimize the design of this mechanism by CGA and Virtual Prototype Technology,cut down the cost and improve loading efficiency.
在满足设计要求和实际工况的条件下,通过混沌遗传算法和虚拟样机技术对该机构进行了优化设计,降低了成本,提高了生活垃圾装箱效率。
6) GA-chaos algorithm
遗传混沌算法
1.
In this paper, GA-chaos algorithm is proposed, which is composed of the genetic algorithm and the chaos algorithm.
将遗传算法和混沌算法复合构造了一种遗传混沌算法,并将其应用于船舶动力学性能综合优化计算问题,编制了界面友好的vc++软件。
补充资料：计算算法的最优化
计算算法的最优化
ptimization of computational algorifans
计算算法的最优化【。洲咧匕6阅ofc咖例。柱.目习子时-d，”6;onT一Mo3a双，Ra，一eju.Teju.II.叱a几r0P盆n陇o，1 在求解应用问题或精心设计标准程序系统时最优计算算法(comPutatio几al algorithm)的选择.当解决一个具体间题时，最优策略可能不会使解法最优化，可是为优化一个标准程序或应用最简单的解法编制程序则是很直截了当的. 计算算法的最优化问题的理论提法是基于下述原则.当选择一种方法来求解一个问题时，研究人员关心的是某些特性，而且根据这些特性来选择算法，同时这个算法也能用来解决具有这些特性的其他问题.据此，在算法的理论研究中，人们引人了具有特殊性质的一类问题尸.当选择一种解法时，研究人员有一组解法M可供选用.当选用一种方法m来求解一个问题p时，得到的解会有一定的误差e(p，m).称量 E(P，m)=sllp}。(p，m)I P‘P为在这类问题P中方法m的误差(en刀r of the nrth-od)，同时，称量 E(p，M)一惑E(p，m)为M中方法在尸中误差的最优估计(。Ptimal estirnateof the error).如果存在一种方法，使得 E(P，m。)=E(P，M)，那么称这个方法为最优的(optirnal).研究计算算法最优化问题的一个方案可以追溯到A .H .KQJLMoropoB(【2」)，所考虑的是计算积分 1 ‘(f)一Jf(x)dx 0问题的集合，给定的条件是}f(时}成A，其中M是所有可能求积 N ‘(f)澎，万:C，f(x，)的集合·每一种求积由总数为ZN的cj和礼确定.由具有所需精度的某函数类重新生成一个函数所需要的最小信息量(见【2]，「31)也可以包含在这个方案中.这个问题的一个更详细的阐述可查阅【4]，它指出在特定意义下实现算法的工作量与应用的存储量同样大.最优算法仅对极少数类型问题存在(汇1」)，然而，对大量计算问题，已经建立了就其渐近特性而言几乎是最优的方法(见汇5]一【8」). 对某类问题最优的计算算法特性的研究工作(见15]，【71)包含两部分:建立其特性尽可能好的具体解法，和根据计算算法的特性得出估计量(见【2]一【4]，【9】).实质上，问题的第一部分是数值方法理论的一个基本问题，而且在大多数情况下它是与最优化问题无关的研究工作.下面得到的估计通常归结为对￡摘(。
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