1) Standard Genetic Algorithm(SGA)
标准遗传算法(SGA)
2) SGA(Standard genetic algorithm)
SGA(标准遗传算法)
3) simple genetic algorthm (SGA)
简单遗传算法(SGA)
4) Standard (SGA)
简单遗传算法Standard Ga(SGA)
5) SGA
标准遗传算法
1.
In order to improve SGA s optimization ability and to prolong its searching process,a new genetic algorithm based on a completely self-adaptive strategy is put forward.
为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法。
2.
The extensive ability of SGA surpasses its refinement ability.
标准遗传算法的求泛能力优于它的求精能力,在求解GA-困难问题时求解精度难以控制,本文由此提出了一种改进的ε-混合遗传算法。
6) standard genetic algorithm
标准遗传算法
1.
An improved hybrid genetic algorithm(IHGA)composed of the self-adaptive genetic algorithm(SAGA)based on neighborhood searching and the SGA(standard genetic algorithm)can bring into play their advantages of time saving,high efficiency and mature convergence,as well as the global optimum searching capability of GA(genetic algorithm).
基于邻域搜索的自适应遗传算法和标准遗传算法的一种离散变量结构优化设计的混合遗传算法,既能发挥邻域自适应算法省时、高效、成熟收敛的特点,又能发挥遗传算法全局最优的特点。
2.
The hierarchical searching mode of the algorithm improves the flaw of standard genetic algorithm.
通过分析标准遗传算法在可持续性进化方面的缺陷,提出了HFC模型及其运算流程,并给出了详细的数学描述。
3.
A hybrid genetic algorithm (HGA) composed of the standard genetic algorithm (SGA) and the unidirectional searching algorithm(USA)is proposed, not only taking their advantages of time saving, high efficiency and powerfully local searching capability of unidirectional searching algorithm, but also having the advantages of globally searching capability of genetic algorithm(GA).
提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点。
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