1) improved hierarchy genetic algorithm
改进的递阶遗传算法
2) improved genetic algorithms
改进的遗传算法
1.
In this paper, the simple genetic algorithms are improved, the numerical model of electromagnetic wave with simple hole is reproducted to holographic image by using the improved genetic algorithms( IGAs).
对基本遗传算法进行了改进,并运用改进的遗传算法对单孔电磁波法的数值模型进行了全息重现,计算结果与实际模型非常接近,表明改进的遗传算法能够很好地解决反演问题,同时也说明改进的遗传算法在反演问题中有着非常广阔的应用前景。
2.
A new approach based on the detected position and the improved genetic algorithms is developed,namely the two stage method.
第一阶段:应用静应变残差进行损伤定位;第二阶段:基于已经识别出的损伤位置,利用改进的遗传算法进行损伤程度的标定。
3) Improved Genetic Algorithm
改进的遗传算法
1.
Based on the non-circular failure surface analysis method for the calculation of integral stability of slope,an improved genetic algorithm is presented;it can freely search for the most dangerous failure surface of slope and corresponding minimum safety factor without supposing the geometric shape of the most dangerous failure surface.
以边坡稳定性计算的非圆弧滑动面条分法为基础,提出一种改进的遗传算法。
2.
An improved genetic algorithm (IGA) is put forward, which could adjust control parameters dynam- ically and improve the best solution and convergence speed.
提出了一种改进的遗传算法。
3.
The improved genetic algorithm has better feature of global minimum.
利用改进的遗传算法确定组合预测模型的权系数，然后进行负荷预测。
4) hierarchical genetic algorithm
递阶遗传算法
1.
Optimization for parallel multi-machine scheduling based on hierarchical genetic algorithm;
基于递阶遗传算法的并行多机调度优化
2.
Automatic fuzzy rule extraction based on hierarchical genetic algorithm weighted fuzzy neural networks;
基于递阶遗传算法模糊加权神经网络的模糊规则自动获取
3.
Optimization strategy of neural network based on adaptive hierarchical genetic algorithm;
基于自适应递阶遗传算法的神经网络优化策略
5) hierarchy genetic algorithm
递阶遗传算法
1.
Contraposed to the insufficiency of simple hierarchy genetic algorithm, the concept of individual deepness was first proposed, which is used to scale the diversity of population.
针对简单递阶遗传算法的不足 ,首先提出了个体浓度的概念 ,以衡量种群的多样性 。
2.
Based on the study of self-adaptive wavelet neural networks,a hybrid hierarchy genetic algorithm is proposed to training network.
在研究自适应小波神经网络学习算法的基础上,提出了一种混合递阶遗传算法,与标准遗传算法相比,该算法不仅可以同时确定网络参数(连接权、尺度参数和平移参数),而且解决了网络拓扑结构的优化训练问题。
3.
In view of the lack of BP neural network,in which the initial parameters and the structure are difficult to be determined objectively,the hierarchy genetic algorithm was introduced to optimize the network configuration and parameters.
针对BP神经网络初始参数和结构难以客观确定的不足,引入递阶遗传算法对网络结构和参数进行优化,并比较相同条件下不同适应度函数的优化结果,最终确定出适宜的适应度函数,在此基础上建立副热带高压特征指数的预报优化模型。
6) hierarchical GA
递阶遗传算法(HGA)
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
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