1) Pareto genetic algorithm
Pareto遗传算法
1.
The Pareto genetic algorithm is used as multiobjective .
建立了针对飞行器外形设计的气动与隐身一体化优化设计模型;采用Pareto遗传算法,建立了多目标优化设计方法;并针对具体算例进行气动外形与隐身特性的综合优化设计,将所得优化设计结果,与初始外形相比较,可以看出,优化后气动和隐身性能都有较大提高,实际结果表明本文提出的方法具有可行性和适用性。
2.
Furthermore,it was analyzed with Pareto genetic algorithm.
本文在虚拟企业的收益分配中增加了时间因素,同时引入激励机制,并结合满意度建立了多目标优化模型,采用Pareto遗传算法进行了优化分析。
3.
An optimization method based on the combination of wavelet neural networks(WNN)and Pareto genetic algorithm was proposed,and was applied to the numerical optimization in internal flows.
提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算。
2) niche Pareto genetic algorithms
小生境Pareto遗传算法
3) Pareto multi-objective genetic algorithm
Pareto多目标遗传算法
4) Pareto Fitness Genetic Algorithm(PFGA)
Pareto适应度遗传算法
1.
Combining Pareto Fitness Genetic Algorithm(PFGA) with local search,an Improved Pareto Fitness Genetic Algorithm(IPFGA) for multi-objective combinatorial optimization is proposed.
将Pareto适应度遗传算法(PFGA)与局部搜索相结合,提出了一种用于求解多目标组合优化问题的改进算法IPFGA,该算法基于Pareto支配关系对遗传操作产生的每一个个体进行局部搜索,并采取在外部群体中引入拥挤距离的精英选择策略。
5) genetic algorithm
遗传算法
1.
Application of genetic algorithm in estimating kinetics model parameters for syn-thesis O,O-dimethylphosphorochloridothioate;
遗传算法用于估值O，O-二甲基硫代磷酰氯合成反应动力学模型的参数
2.
Optimum design of the horizontal section length in a horizontal well using genetic algorithm;
利用遗传算法进行水平井水平段长度优化设计
3.
Gas production prediction based on genetic algorithm;
基于遗传算法的天然气产量预测研究
6) genetic arithmetic
遗传算法
1.
Application and the param-eter setting of ADRC based on genetic arithmetic;
基于遗传算法的ADRC参数整定及其应用
2.
The fuzzy clustering method based on genetic arithmetic;
基于遗传算法的模糊聚类方法
3.
The optimal design for multi-channels FRA pump with modified genetic arithmetic;
用改进的遗传算法对多信道FRA泵浦源进行优化设计
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