1) binary strings genetic algorithm
二进制遗传算法
1.
With the limit of the ability of convergence of the binary strings genetic algorithm, the decimal strings genetic algorithm is proposed for identifying the aquifer parameters.
含水层参的反演是一个复杂的非线性优化问题,针对传统二进制遗传算法收敛性能差的缺陷,提出了反演含水层参数的十进制遗传算法。
2) binary coding based accelerating genetic algorithm
二进制加速遗传算法
1.
The risk-aversion coefficient is introduced into the portfolio model which is based on Markowitz classic portfolio theory,and the binary coding based accelerating genetic algorithm is applied to the calculation in which both the expected rate of return and the risk rate are random so that different effects of the risks and benefits under different investment portfolio strategies are reflected.
文章在经典投资组合理论核心思想上引入了风险厌恶系数,采用二进制加速遗传算法使预期收益率和风险损失率都具有随机性,即在不同投资者对收益和风险不同反应的条件下优化投资组合策略,更贴近实际地反映投资者对风险与收益的不同效应,从而选择适合自己的投资组合决策方案。
3) decimal strings genetic algorithm
十进制遗传算法
1.
Identifying aquifer parameters based on the decimal strings genetic algorithm;
基于十进制遗传算法的含水层参数的反演
4) Improved decimal strings genetic algorithm
改进的十进制遗传算法
5) improved decimal strings genetic algorithm method
改进十进制遗传算法
1.
Considering the features of the slope, the improved decimal strings genetic algorithm method was emplyed to search the circular critical slip surface of the slope.
根据排矸场边坡的特点,采用改进十进制遗传算法搜索边坡圆弧临界滑裂面,并基于delphi 7。
6) Improved genetic algorithm
改进遗传算法
1.
Fuzzy robust optimization design of discrete tolerance based on improved genetic algorithm;
基于改进遗传算法的离散公差模糊稳健优化设计
2.
Optimization of operation parameters in waterflooding system based on improved genetic algorithm;
基于改进遗传算法的注水系统运行参数优化
3.
Design of arm on down-hole drill based on improved genetic algorithm;
基于改进遗传算法的潜孔钻机钻臂设计计算
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