2) Genetic algorithm coding
遗传算法编码
3) real coding genetic algorithm
实编码遗传算法
1.
A hybrid accelerating genetic algorithm (HAGA) is presented by adding simplex searching operator and accelerate searching operator in real coding genetic algorithm The HAGA is compared with some other genetic algorithms through some examples, and applied to the parameter optimization of the Daao basin model.
在实编码遗传算法中加入单纯形搜索算子和加速搜索算子 ,提出了混合加速遗传算法。
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