1) float-encoding
浮点数编码
1.
Simulation Research on CMAC Control Using Float-encoding Genetic Algorithms;
一种基于浮点数编码遗传算法的CMAC控制仿真研究
2.
The paper presents a method of optimizing the parameters of fuzzy controller based on float-encoding genetic algorithm.
提出了一种基于浮点数编码遗传算法寻优模糊控制器参数的方法 ,对浮点数编码遗传算法的执行效率进行了对比研究 ,仿真结果表明浮点数编码遗传算法在多维参数寻优中具有很好的效
3.
In this paper, a new approach to identify ARMA model under noisy background is real- ized by using float-encoding genetic algorithms.
采用基于浮点数编码 (十进制编码 )的遗传算法 ,融合和改进了一些遗传操作 ,提出了一种系统辨识的方法并应用到在噪声背景下 ARMA模型系统的辨识 。
2) float-coded
浮点数编码
1.
The paper presents a new idea to resolve reactive power optimization problem bas ed on float-coded genetic algorithm,the method overcomes binary-coded genetic algorithm s disadvantages,effectively adopts float-coded manner to make the opt imization work simple and quick and improves the algorithm s speed and precision .
运用浮点数编码的改进遗传算法求解无功优化问题 ,在编码方式上改变了二进制编码、译码的烦琐操作 ,以及浮点数的交叉、浮点数变异操作和不等交叉、变异概率的选取 ,提高了算法的收敛速度和求解精度。
2.
This paper presents a new genetic algorithm for unit commitment based on the float-coded and the binary-coded methods.
该算法有效利用了浮点数编码FGA( Float-coaded Genetic Algorithm)收敛迅速、不易陷入局部最优解、具有较高收敛精度的优点 ,同时结合二进制编码 BGA( Binary-coaded Genetic Algorithm)模拟机组启停状态的优点 ,解决了机组优化组合的 0 -1混合整数非线性规划问题。
3) float encoding
浮点数编码
1.
Then according to its characteristic,a float encoding genetic algorithm is put forward, which can produce a g.
首先采用空间柔性结构的状态空间模型建立了以最大耗能准则为基础的目标函数,将优化问题归结为一个有约束的非线性优化问题,然后根据其特点,采用了一种十进制浮点数编码的遗传算法,并融合、设计了一些简单且优良的遗传操作,使得优化过程不依赖于初值,而且可以快速可靠地求得全局最优解。
4) floating-point encoding
浮点数编码
1.
The origin of genetic algorithm and its basic theory are introduced in this paper with discussion made on the advantages and the disadvantages of the traditional binary encoding, and the advantages of floating-point encoding.
介绍了遗传算法的由来及其基本思想、传统二进制编码的优缺点以及浮点数编码的优点。
2.
The origin of the genetic algorithm, the advantages and the disadvantages of the traditional binary encoding and the advantages of the floating-point encoding are discussed.
系统地论述了遗传算法的由来、传统二进制编码的优缺点,浮点数编码的优点,以及用浮点数编码方 案实现匹配问题的求解方法。
5) Float number code
浮点数编码
1.
Float number code is superior to other codes in function optimization and restriction optimization.
已有研究者将启发式知识用于二进制编码遗传算法,但浮点数编码在函数优化和约束优化领域明显有效于其它编码。
6) real(floating) valued coding
实数(浮点)编码
补充资料：浮点数标准
浮点数标准
floating-point number standard
诞生后的很长一段时间里，由于没有统一的浮点标准，不同系列的计算机采用各不相同的浮点表示形式，给数值计算和软件移植带来了困难。考虑到徽处理器性能的不断提高和计算机应用的进一步普及，IEEE(电气和电子工程师协会)在80年代制定浮点标准，成为所有微处理器遵循的二进制浮点算术运算标准，即IEEE754标准(IEEE的另一个854标准主要针对十进制浮点运算，儿乎很少被使用)。 IEEE754标准于1985年3月获IEEE标准委员会批准，同年7月成为ANSI(美国国家标准学会)标准。标准的内容包括浮点数的表示形式、浮点操作的类型和定义、舍入方式、例外处理方法等。这里主要介绍浮点数的表示形式。 IEEE 754主要定义了单精度(32位)和双精度(64位)两种基本格式，以及扩充单精度和扩充双精度两种扩充格式，但对扩充精度仅指定了对精度的最低要求。计算机系统可以用硬件、软件或硬、软件结合的方式实现IEEE 754标准或标准的主要部分，且任何实现都必须至少包括单精度浮点格式。 在IEEE754的浮点格式中，尾数用原码表示，指数用增码表示，各种格式的有关参数见表1。 表1 IEEE754标准定义的浮点格式参数┌────┬───┬─────┬────┬─────┐│参数 │单精度│扩充单 │双精度 │扩充双 ││ │ │精度 │ │精度 │├────┼───┼─────┼────┼─────┤│表示 │24 │异32 │53 │》64 ││精度/位 │ │ │ │ │├────┼───┼─────┼────┼─────┤│最大指数│+127 │)+1 023 │+1 023 │)+16 383 │├────┼───┼─────┼────┼─────┤│最小指数│一126 │簇一1 022 │一1 022 │镇一16 382│├────┼───┼─────┼────┼─────┤│指数偏置│+127 │未指定 │+1 023 │未指定 │├────┼───┼─────┼────┼─────┤│指数部分│8 │妻11 │1l │)15 ││位数 │ │ │ │ │├────┼───┼─────┼────┼─────┤│格式总 │32 │妻43 │64 │)79 ││位数 │ │ │ │ │└────┴───┴─────┴────┴─────┘ 基本格式由1位符号:、指数部分e和小数部分f组成，如图1所示。对单精度数，。，f分别是8位和23位;对双精度数，。，f分别是n位和52位。左边是最高位。此格式表示的数X的值v由如下规则确定。
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