2) artificial fish swarm algorithm
人工鱼群算法
1.
Application of artificial fish swarm algorithm to assessment of lake eutrophication;
人工鱼群算法在湖泊富营养化综合评价中的应用
2.
Application of artificial fish swarm algorithm to power distribution system reconfiguration;
人工鱼群算法在配电网络重构中的应用研究
3.
Inverse research for gravity dam parameters based on chaos artificial fish swarm algorithm;
混沌人工鱼群算法在重力坝材料参数反演中的应用
3) artificial fish-swarm algorithm
人工鱼群算法
1.
Short-term load forecasting method based on artificial fish-swarm algorithm of neural network;
基于人工鱼群算法神经网络的电力系统短期负荷预测
2.
Reactive power optimization of power system based on artificial fish-swarm algorithm;
基于人工鱼群算法的电力系统无功优化
3.
Chaotic artificial fish-swarm algorithm and its application in water use optimization in irrigated areas;
混沌人工鱼群算法及其在灌区优化配水中的应用
4) artificial fish school algorithm
人工鱼群算法
1.
Transmission network planning based on artificial fish school algorithm;
基于人工鱼群算法的输电网络规划
2.
Applications of artificial fish school algorithm in combinatorial optimization problems;
组合优化问题的人工鱼群算法应用
3.
Parameter estimation method based-on artificial fish school algorithm;
基于人工鱼群算法的参数估计方法
5) AFSA
人工鱼群算法
1.
The Artificial Fish-Swarm Algorithm (AFSA) is an evolutionary computation technique based on intelligence bionic optimization algorithm.
人工鱼群算法(Artificial Fish-Swarm Algorithm，AFSA)是由李晓磊等在2002年提出的，源于对鱼群运动行为的研究，是一种新型的智能仿生优化算法。
6) The Artificial Fish Swarm Algorithm
人工鱼群算法(AFSA)
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