1) grey genetic algorithm
灰色遗传算法
1.
To solve the problems,the concepts of grey relative quality deviation and grey genetic algorithm were introduced.
作者以灰色相对质量偏移,结合一个初步的灰色遗传算法对大规模定制生产下的质量系统动态网络进行了建模。
2.
As a result,the grey genetic algorithm is better than least square algorithm and it can be used to predict medium and long term objectives.
在以人口为指标的城市化水平预测时,采用了灰色理论与遗传算法相结合的方法,由灰色遗传算法求得了发展系数a=-0。
2) gray genetic algorithm
灰色-遗传算法
3) genetic algorithm based grey RBF prediction model
基于遗传算法的灰色RBF预测模型
4) 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
5) 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
6) Genetic Algorithm(GA)
遗传算法
1.
On this basis,the genetic algorithm(GA) was introduced by combining Elman neural network to predict the endpoint of converting furnace.
针对这个问题,利用主元分析法将影响因素重组,在此基础上,提出一种基于遗传算法的Elman神经网络模型对铜转炉吹炼终点进行预测。
2.
The generalized regression neural network(GRNN) and the genetic algorithm(GA) are regarded as the artificial intelligence techniques.
广义回归神经网络(GRNN)和遗传算法(GA)都是在模拟人的生理活动进而提出的人工智能技术。
3.
The ALS algorithm,based on the least-square method and genetic algorithm(GA),was proposed for autonomous learning and the construction of FBFN without any human intervention.
ALS将最小二乘算法和遗传算法相结合,能够自主学习,不用人为干预,FBFN和粗糙度的分析模型相结合,只需少量实验数据便可完成网络的训练,自动产生模糊规则,确定隐含层的节点数。
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