1) Hybrid genetic algorithm
混合遗传算法(HGA)
1.
A Study of Hybrid Genetic Algorithm;
混合遗传算法（HGA）的研究
2) hybrid genetic algorithm (HGA)
基于单纯形算子的混合遗传算法(HGA)
3) hierarchical GA
递阶遗传算法(HGA)
4) Hybrid Genetic Algorithm
混合遗传算法
1.
The Fitting of HL Curves of Dukler Ⅱ on a New Hybrid Genetic Algorithm;
新型混合遗传算法对DuklerⅡ截面含液率曲线的回归
2.
Predictive Model for End Aim Temperature of Arc Furnace Based on Hybrid Genetic Algorithm;
基于混合遗传算法的电弧炉终点目标温度预报模型
3.
Topology optimization of tree-type water-injection pipe network based on hybrid genetic algorithm;
基于混合遗传算法的树状注水管网拓扑优化
5) mixed genetic algorithm
混合遗传算法
1.
Multi-objective optimum design of verifying three nodes based on mixed genetic algorithm;
基于多目标混合遗传算法的变幅三铰点优化
2.
A Mixed Genetic Algorithm Based on Simulated Annealing;
基于模拟退火的混合遗传算法
3.
The mixed genetic algorithm for optimal operation pattern of pumped storage plant;
抽水蓄能电站优化运行方式的混合遗传算法
6) hybrid genetic algorithm(HGA)
混合遗传算法
1.
A new measuring method based on the hybrid genetic algorithm(HGA)is developed to use this model for finding.
针对这一问题,建立了电力参数极值优化模型,同时对衰减直流分量、非同步采样及谐波等多个误差参数加以精确表示,利用混合遗传算法(HGA)对该模型进行求解,可得到准确的系统幅值、相位、频率及谐波等电力参数。
2.
This paper proposes a Hybrid Genetic Algorithm(HGA) based on a serial scheduling heuristic method to solve the Resource-Constrained Transport Task Scheduling Problem(RCTTSP).
在利用串行调度启发式方法解决资源受限的运输任务调度问题(RCTTSP)的基础之上,提出了一种混合遗传算法(HGA)。
3.
Aiming at Flowshop scheduling problem with limited waiting time,a Hybrid Genetic Algorithm(HGA) combined with constraint satisfaction and variable neighborhood search is proposed.
针对等待时间受限的Flowshop调度问题,提出嵌入约束满足和变邻域搜索技术的混合遗传算法。
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