1) pseudo multi-objective genetic algorithm
伪多目标遗传算法
1.
Combined wih the fuzzy optimum selection theory,the pseudo multi-objective genetic algorithm based on fuzzy optimum selection theory is proposed in this paper,which is used to detect the structural damage magnitude using static strain.
将模糊优选理论与多目标遗传算法相结合,提出了基于模糊优选理论的伪多目标遗传算法,解决了结构多损伤中传统遗传算法对载荷不敏感部位识别难、精度不高、运算效率低的不足,并将该方法应用于两端固支梁的损伤程度识别中。
2) multi-objective genetic algorithm
多目标遗传算法
1.
Process parameters optimization for sheet metal forming during drawing with a multi-objective genetic algorithm;
板料拉深成形工艺参数的多目标遗传算法优化
2.
Application of multi-objective genetic algorithm in chemical engineering;
化学工程中多目标遗传算法的应用
3.
Application of multi-objective genetic algorithm in rolling strategy optimization of 8-high 5-stand continuous tandem cold mill;
多目标遗传算法在八辊五机架全连续冷连轧机轧制策略优化中的应用
3) multi-objective genetic algorithms
多目标遗传算法
1.
Deriving multipurpose reservoir operating rule curves using multi-objective genetic algorithms;
基于多目标遗传算法的综合利用水库优化调度图求解
2.
Parameter optimization for biomass gasification process based on the multi-objective genetic algorithms;
基于多目标遗传算法的生物质气化过程参数优化
3.
This paper presents the airframe/scramjet integrated design method of hypersonic vehicle,in which we design lower surface configuration of airframe and get the Pareto front side through using one-dimensional flow formula to compute performance objectives,and adopting multi-objective genetic algorithms as the optimization method.
以多目标遗传算法为优化方法,采用一维流动模型计算性能指标,对机身下壁面前体和后体型线进行了优化设计,得到了Pareto最优前沿面。
4) MOGA
多目标遗传算法
1.
In this paper,a new design optimization procedure is set up,based multi-objective genetic algorithm(MOGA)combined with the finite element method(FEM).
文章把多目标遗传算法(MOGA)和有限单元法(FEM)有机地结合起来,建立了一种新的结构优化方法。
2.
This paper generalizes multi-objective genetic algorithm(MOGA) and summerizzes a new-patter MOGA.
概括介绍了目前的多目标遗传算法 (MOGA) ,并给出了一种新形式的MOGA ,也就是稳定态非受控排序遗传算法 (SNSGA)。
3.
The MOGA(multi-objective genetic algorithm) and AVL/BOOST software are applied to the automatic optimization design of a four-strokes engine performance,with the closing shift time,opening shift time and the diameter of the intake and exhaust manifold as design variables.
运用AVL/BOOST对发动机性能进行了数值模拟,以进排气提前角、迟闭角和进排气管直径为设计变量,应用目前已成熟的多目标遗传算法对某四冲程发动机的性能进行了优化设计。
5) multiobjective genetic algorithm
多目标遗传算法
1.
Aimed at this problem,the multiobjective genetic algorithm(MOGA),whose optimal objective is a vector containing the Akaike’s information of both training set and verifying set,is introduced.
以石油化学工业中某一典型环节的建模过程为例 ,通过比较SOGA(单目标遗传算法 )与MOGA(多目标遗传算法 )设计网络的性能 ,验证MOGA解决这一问题的优势。
2.
Aerodynamic optimization technology for compressor design plays an important role in the development of high performance axial flow compressor, multiobjective genetic algorithm are currently being widely used in turbomachine optimization design.
近年来,多目标遗传算法在叶轮机械优化设计中得到了广泛的应用。
6) multi-object genetic algorithm
多目标遗传算法
1.
The highway alignment optimization algorithm has been presented based on multi-object genetic algorithm(NSGA-Ⅱ),and some key problems such as integration of GIS and GA,object functions,genetic algorithm design have been solved.
建立了基于GIS和遗传算法的公路路线智能优化模型,提出了基于GIS空间数据挖掘技术的选线环境知识获取模型和基于多目标遗传算法NSGA-Ⅱ的路线优化算法,解决了GIS与遗传算法集成、目标函数确定、遗传算法设计等关键问题。
2.
For decreasing spring\'s mass and increasing the life of fatigue,MOGA(multi-object genetic algorithm) is applied to obtain the pareto results of multi-objective optimization of Shock absorber spring,and choose the best answer according to multi-criteria decision.
为实现弹簧轻量化及高疲劳寿命的多目标优化,采用多目标遗传算法求出问题的帕莱托解集,通过后期决策得到不同偏好下的最优解。
3.
The optimization design model of giant magnetostrictive actuator(GMA) was presented and the multi-object genetic algorithm was applied for the optimization design of GMA.
提出了超磁致伸缩执行器(GMA)优化设计模型,并应用多目标遗传算法对超磁致伸缩执行器进行优化设计。
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