1) ON Heredity Algorithm
浅谈遗传算法
2) Discussion on Genetic Algorithm Technology
遗传算法技术浅论
3) genetic algorithm
遗传算法
1.
Application of genetic algorithm in estimating kinetics model parameters for syn-thesis O,O-dimethylphosphorochloridothioate;
遗传算法用于估值O，O-二甲基硫代磷酰氯合成反应动力学模型的参数
2.
Optimum design of the horizontal section length in a horizontal well using genetic algorithm;
利用遗传算法进行水平井水平段长度优化设计
3.
Gas production prediction based on genetic algorithm;
基于遗传算法的天然气产量预测研究
4) genetic arithmetic
遗传算法
1.
Application and the param-eter setting of ADRC based on genetic arithmetic;
基于遗传算法的ADRC参数整定及其应用
2.
The fuzzy clustering method based on genetic arithmetic;
基于遗传算法的模糊聚类方法
3.
The optimal design for multi-channels FRA pump with modified genetic arithmetic;
用改进的遗传算法对多信道FRA泵浦源进行优化设计
5) Genetic Algorithm(GA)
遗传算法
1.
On this basis,the genetic algorithm(GA) was introduced by combining Elman neural network to predict the endpoint of converting furnace.
针对这个问题,利用主元分析法将影响因素重组,在此基础上,提出一种基于遗传算法的Elman神经网络模型对铜转炉吹炼终点进行预测。
2.
The generalized regression neural network(GRNN) and the genetic algorithm(GA) are regarded as the artificial intelligence techniques.
广义回归神经网络(GRNN)和遗传算法(GA)都是在模拟人的生理活动进而提出的人工智能技术。
3.
The ALS algorithm,based on the least-square method and genetic algorithm(GA),was proposed for autonomous learning and the construction of FBFN without any human intervention.
ALS将最小二乘算法和遗传算法相结合,能够自主学习,不用人为干预,FBFN和粗糙度的分析模型相结合,只需少量实验数据便可完成网络的训练,自动产生模糊规则,确定隐含层的节点数。
6) GA
遗传算法
1.
The Optimization of Injection Parameters Based on GA;
基于遗传算法的注射参数优化
2.
Application and realization of GA in machine accessory processing craftwork decision-making;
遗传算法在机械零件加工工艺决策中的应用和实现
3.
GA-based PID temperature control system for vacuum induction furnace;
基于遗传算法的真空感应炉PID温度控制系统
补充资料：遗传算法
分子式：
CAS号：
性质：是由Michigan大学的Holland等于1962年创建的一种概率搜索算法，它是利用某种编码技术作用于称为染色体二进制数串，其基本思想是模拟由这些串组成的群体的进化过程。与自然相似，它对求解问题的本身一无所知，它所需要的仅是对通过复制(reproduction)、杂交(crossover)和变异(mutation)操作所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应值好的染色体比适应值差的染色体有更多的繁殖机会，其优越性在于：它在搜索过程中不易陷入局部最优；固有的并行性。
CAS号：
性质：是由Michigan大学的Holland等于1962年创建的一种概率搜索算法，它是利用某种编码技术作用于称为染色体二进制数串，其基本思想是模拟由这些串组成的群体的进化过程。与自然相似，它对求解问题的本身一无所知，它所需要的仅是对通过复制(reproduction)、杂交(crossover)和变异(mutation)操作所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应值好的染色体比适应值差的染色体有更多的繁殖机会，其优越性在于：它在搜索过程中不易陷入局部最优；固有的并行性。
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