1) MSGA
多性别遗传算法
2) Genetic Algorithms-Multiple linear regression
遗传算法—多元线性回归
3) multi-objective genetic algorithm
多目标遗传算法
1.
Process parameters optimization for sheet metal forming during drawing with a multi-objective genetic algorithm;
板料拉深成形工艺参数的多目标遗传算法优化
2.
Application of multi-objective genetic algorithm in chemical engineering;
化学工程中多目标遗传算法的应用
3.
Application of multi-objective genetic algorithm in rolling strategy optimization of 8-high 5-stand continuous tandem cold mill;
多目标遗传算法在八辊五机架全连续冷连轧机轧制策略优化中的应用
4) MPGA
多种群遗传算法
1.
An EDM Prediction Model Optimized by MPGA;
多种群遗传算法优化的电火花加工模型
2.
This paper put forward a calculational method basing on the mathematic model,the calculational method was multi-population genetic algorithm(MPGA).
针对该模型,提出了使用多种群遗传算法(MPGA)的求解方法,即对0-1二值型变量和实型多维变量分别编码构建种群,以实型多维变量为中心,联合0-1二值型变量进行遗传运算求得函数极大值。
5) multi-objective genetic algorithms
多目标遗传算法
1.
Deriving multipurpose reservoir operating rule curves using multi-objective genetic algorithms;
基于多目标遗传算法的综合利用水库优化调度图求解
2.
Parameter optimization for biomass gasification process based on the multi-objective genetic algorithms;
基于多目标遗传算法的生物质气化过程参数优化
3.
This paper presents the airframe/scramjet integrated design method of hypersonic vehicle,in which we design lower surface configuration of airframe and get the Pareto front side through using one-dimensional flow formula to compute performance objectives,and adopting multi-objective genetic algorithms as the optimization method.
以多目标遗传算法为优化方法,采用一维流动模型计算性能指标,对机身下壁面前体和后体型线进行了优化设计,得到了Pareto最优前沿面。
6) poly-population genetic algorithm
多种群遗传算法
1.
An improved poly-population genetic algorithm on evolutionary stable strategy is proposed and applied to distribution network planning.
提出了考虑进化稳定策略的改进多种群遗传算法并将其应用于配电网规划。
2.
This paper suggests an improved poly-population genetic algorithm(PPGA) with an aim at multi-object distribution electric network planning.
针对电网规划的多目标性,提出一种改进的多种群遗传算法(Poly-PopulationGeneticAlgorithm,简称PPGA)。
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