1) multi-parent genetic algorithm
多亲遗传算法
1.
Adaptive multi-parent genetic algorithm and its performance analysis;
一种自适应多亲遗传算法及其性能分析
2.
The Research of Multi-parent Genetic Algorithm and Its Application;
多亲遗传算法及其应用研究
3.
To break the limitation of binary coded genetic algorithm in solving the optimizing problem with continuous parameter,an index,which reflected the diversity of population,was used to adjust the probabilities of crossover and mutation in multi-parent genetic algorithm.
为了克服基于二进制编码的遗传算法在求解连续参数优化问题时的缺陷,采用实数编码,定义1种度量多样性的指标,来自适应地调整基于实数编码的多亲遗传算法中交叉概率和变异概率,提出1种基于实数编码的自适应多亲遗传算法。
2) partheno-genetic algorithm
单亲遗传算法
1.
Firepower allocation method based on partheno-genetic algorithm;
基于单亲遗传算法的火力分配方法
2.
Study on simulation and method of multi-lines facilities layout problem based on partheno-genetic algorithm;
基于单亲遗传算法的多行设备布置方法及仿真
3.
A logistics delivery model based on the least cost and its hybrid partheno-genetic algorithm;
基于最小费用的物流配送模型及其混合单亲遗传算法
3) partheno genetic algorithm
单亲遗传算法
1.
Research on parallel partheno genetic algorithm based on the immune programming;
基于免疫的并行单亲遗传算法研究
2.
New partheno genetic algorithm based on immune programming and its application;
基于免疫规划的单亲遗传算法研究及其应用
3.
Research on air-crew assignment based on partheno genetic algorithm
基于单亲遗传算法的飞行机组指派技术
4) relative assist genetic algorithm
亲属帮助遗传算法
5) PEGA
单亲进化遗传算法
1.
On the basis of analyzing the function and existed location method of physical distribution centres by TGA(Traditional Genetic Algorithm),this paper puts forward to use PEGA(Partheno Evolution Genetic Algorithm) to solve location model.
为更好地实现多个配送中心优化选址,在分析物流配送中心的作用及现存的用传统遗传算法进行选址的基础上,提出应用单亲进化遗传算法求解选址模型。
2.
On the basis of analyzing the function and existed location method ofphysicaldistribution centre by TGA traditionalgenetic algorithm), it is put forward to use PEGA partheno evolution genetic algorithm ( ( to solve location model.
为更好地实现配送中心优化选址,在分析物流配送中心的作用及现存的用传统遗传算法进行选址的基础上,提出应用单亲进化遗传算法求解选址模型。
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