1) genetic descent algorithm
遗传下降算法
1.
This paper first formulates the hybrid flow shop scheduling (HFSS) problem using an integer programming model and then develops a genetic descent algorithm (GDA) for it.
针对混合流水车间调度问题 (Hybrid Flow Shop Scheduling,HFSS)建立了混合整数规划模型 ,提出了遗传下降算法 (Genetic Descent Algorithm,GDA) 。
2) steepest descent algorithm and Genetic Algorithm
最速下降和遗传算法
3) traditional descent algorithm
传统下降算法
4) genetic algorithm
遗传算法
1.
Application of genetic algorithm in estimating kinetics model parameters for syn-thesis O,O-dimethylphosphorochloridothioate;
遗传算法用于估值O，O-二甲基硫代磷酰氯合成反应动力学模型的参数
2.
Optimum design of the horizontal section length in a horizontal well using genetic algorithm;
利用遗传算法进行水平井水平段长度优化设计
3.
Gas production prediction based on genetic algorithm;
基于遗传算法的天然气产量预测研究
5) genetic arithmetic
遗传算法
1.
Application and the param-eter setting of ADRC based on genetic arithmetic;
基于遗传算法的ADRC参数整定及其应用
2.
The fuzzy clustering method based on genetic arithmetic;
基于遗传算法的模糊聚类方法
3.
The optimal design for multi-channels FRA pump with modified genetic arithmetic;
用改进的遗传算法对多信道FRA泵浦源进行优化设计
6) Genetic Algorithm(GA)
遗传算法
1.
On this basis,the genetic algorithm(GA) was introduced by combining Elman neural network to predict the endpoint of converting furnace.
针对这个问题,利用主元分析法将影响因素重组,在此基础上,提出一种基于遗传算法的Elman神经网络模型对铜转炉吹炼终点进行预测。
2.
The generalized regression neural network(GRNN) and the genetic algorithm(GA) are regarded as the artificial intelligence techniques.
广义回归神经网络(GRNN)和遗传算法(GA)都是在模拟人的生理活动进而提出的人工智能技术。
3.
The ALS algorithm,based on the least-square method and genetic algorithm(GA),was proposed for autonomous learning and the construction of FBFN without any human intervention.
ALS将最小二乘算法和遗传算法相结合,能够自主学习,不用人为干预,FBFN和粗糙度的分析模型相结合,只需少量实验数据便可完成网络的训练,自动产生模糊规则,确定隐含层的节点数。
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