1) artificial immune genetic algorithm
人工免疫遗传算法
1.
Second,the structural reliability has been analyzed by artificial immune genetic algorithm.
然后应用人工免疫遗传算法对结构可靠性进行了分析。
2) immune genetic algorithm
免疫遗传算法
1.
Optimization of structural parameters of tread patterns based on immune genetic algorithm;
基于免疫遗传算法的低噪声轮胎花纹结构参数优化
2.
Real-time optimal path planning for mobile robots based on immune genetic algorithm;
基于免疫遗传算法的移动机器人实时最优路径规划
3.
Optimization of main girder for overhead traveling crane with improved artificial immune genetic algorithm;
基于改进免疫遗传算法的桥式起重机主梁优化
3) immune genetic algorithms
免疫遗传算法
1.
Optimal placement of phasor measurement unit by immune genetic algorithms;
基于免疫遗传算法的PMU优化配置
2.
This paper presented modeling optimal reserve of interconnected regional power systems based on immune genetic algorithms,placed emphasis on derivative real power increment equation of the tie lines and derivative the connected expression between offset frequency and optimal reserve capacity.
针对问题的具体特点,运用自适应免疫遗传算法对该模型进行求解,充分考虑频率偏差、负荷的随机波动以及区域互联系统运行的各种可靠安全约束,分别对独立的电力系统以及通过交直流联络线互联组成的区域电力系统进行仿真计算,可得到一天中24个时段的弹性备用容量。
4) Immune algorithm and genetic algorithm
免疫-遗传算法
5) IGA
免疫遗传算法
1.
Application of PID Control Based on IGA in AC Servo System;
基于免疫遗传算法优化的PID控制在交流伺服系统中的应用
2.
The Application of IGA(Immune Genetic Algorithm) Based on the Similarity and Vector Distance in the Function Optimization;
基于相似性矢量距的免疫遗传算法在函数寻优中的应用
3.
The Application of IGA to Switching Optimization for an Inverter
免疫遗传算法在逆变器开关优化中的应用
6) immune-genetic algorithm
免疫遗传算法
1.
The immune-genetic algorithm based on information entropy can overcome the shortcomings of standard genetic algorithm, e.
介绍了基于信息熵的免疫遗传算法的聚类分析方法。
2.
A multilayer feed-forward neural networks based on an improved immune-genetic algorithm(IIGA) is presented in this paper,so as to overcome the shortcomings that back propagation neural networks(BPNN) is easily converged at a local minimum and the training process is slow.
针对BP神经网络学习速度慢、容易陷入局部极小的缺点,提出了一种基于改进免疫遗传算法的多层前向神经网络,将该算法用于多层前向神经网络的权值优化,扩大了神经网络的权值搜索空间,提高了网络系统的学习效率和精度。
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