1) fitness sharing algorithms
适应值共享算法
2) fitness sharing GA
适应值共享遗传算法
3) fitness sharing
适应值共享
1.
Multi-niche crowding genetic algorithm based on fitness sharing
基于适应值共享的多生境排挤遗传算法
2.
This paper presents a new cluster analysis algorithm combined with fitness sharing genetic algorithm for solving multimodal optimization problems.
提出了一种新的聚类方法 ,并将其与适应值共享遗传算法结合 ,用于解决多峰优化问题。
3.
The fitness sharing genetic algorithms are the common approaches to solve multi-modal optimization problems.
适应值共享遗传算法是用来解决多峰函数优化的常用手段 。
4) Fitness sharing genetic algorithms
适应值共享拥挤遗传算法
5) fitness sharing
适应度共享
6) self-adapt fair share
自适应公平共享法
补充资料：力学量的可能值和期待值
在量子力学中，力学量F用作用于波函数上的算符弲表示。在数学上，对于一个算符，满足
的函数 ui(r)称为弲的本征函数，式中Fi是与r无关的数,称为本征值。如果ui(r)描写微观粒子的状态,则它必须满足单值、连续和有限的标准条件。在这种限制之下，上式中的本征值可以取一系列分立值，或取一定范围内的连续数值。
在测量力学量F时,观察到的只能是它的本征值。若一个力学量的本征值具有分立谱，我们说这个力学量是量子化的。
量子力学中假定力学量的全部本征函数组成一个完全系；这意思是说：描写体系的任一状态的波函数ψ都可以用力学量的本征函数ui展开：
在ψ和ui都是归一化的情况下，上式中的展开系数сi具有如下的物理意义：在ψ态中测量力学量时,得到结果为Fi的几率是|сi|2。
因此，若微观粒子的定态波函数是某力学量算符的本征函数ui(r),则在这一状态中,力学量F取确定值Fi。
在ψ态中对力学量进行多次测量,把所得结果加以平均，就得出力学量在ψ态中的期待值，以〈F〉表示：
上式称为力学量的期待值公式。如果ψ不是归一化的，那么期待值公式应写为
的函数 ui(r)称为弲的本征函数，式中Fi是与r无关的数,称为本征值。如果ui(r)描写微观粒子的状态,则它必须满足单值、连续和有限的标准条件。在这种限制之下，上式中的本征值可以取一系列分立值，或取一定范围内的连续数值。
在测量力学量F时,观察到的只能是它的本征值。若一个力学量的本征值具有分立谱，我们说这个力学量是量子化的。
量子力学中假定力学量的全部本征函数组成一个完全系；这意思是说：描写体系的任一状态的波函数ψ都可以用力学量的本征函数ui展开：
在ψ和ui都是归一化的情况下，上式中的展开系数сi具有如下的物理意义：在ψ态中测量力学量时,得到结果为Fi的几率是|сi|2。
因此，若微观粒子的定态波函数是某力学量算符的本征函数ui(r),则在这一状态中,力学量F取确定值Fi。
在ψ态中对力学量进行多次测量,把所得结果加以平均，就得出力学量在ψ态中的期待值，以〈F〉表示：
上式称为力学量的期待值公式。如果ψ不是归一化的，那么期待值公式应写为
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