演化算法,evolutionary algorithm
1)evolutionary algorithm演化算法
1.Inverse problem of multiple parameters identification for water quality model usingevolutionary algorithm;河流水质多参数识别反问题的演化算法
2.Displacement back analysis of embankment dam based on neural network andevolutionary algorithm;基于神经网络和演化算法的土石坝位移反演分析
3.Application ofevolutionary algorithm in nonlinear parameter estimation;演化算法在非线性参数估计中的应用
英文短句/例句
1.Parallel Evolutionary Algorithm to TSP Based on Inver-over Operator基于Inver-over算子的并行TSP演化算法研究
2.Supply Chain Network Design Optimization Based on Differential Evolution Algorithm;基于差异演化算法的供应链网络优化
3.Research in Differential Evolution针对多目标优化的混和差分演化算法
4.Solving Shubert function optimization problem by using evolutionary algorithm一种求解Shubert函数优化问题的演化算法
5.A MOP Evolutionary Algorithm Based on Transportation Theory一种基于输运理论的多目标演化算法
6.On-Line Handwriting Signature Verification and Its Evolutionary Algorithm Implementation;在线手写签名认证及其演化算法实现
7.A Class of Evolutionary Algorithm and Its Application Based on Domain Decomposition;一类基于区域分裂的演化算法及应用
8.The Construction of Multi-Objective Differential Evolution Algorithms and Its Application;多目标差分演化算法的构造及其应用
9.Research on MPI-based Distributed Parallel Evolutionary Algorithms;基于MPI的分布式并行演化算法研究
10.Designing Electronic Circuits Using Evolutionary Algorithms and Their Parallelization;电子电路并行演化算法的设计与实现
11.Aplication Study of Solution to TSP Problem of Evolutionary Algorithm;求解TSP问题的演化算法应用研究
12.Research on Hybrid Evolutionary Algorithm of Solving Traveling Salesman Problem;求解TSP问题的混合演化算法研究
13.An Advanced Hierarchical Parallel Evolutionary Algorithm;一种改进的分层并行演化算法(英文)
14.An Evolutionary Algorithm for Time-limited TSP Problem;一个求解有时限TSP问题的演化算法
15.The evolutionary algorithms of self-adaptive crossover and muta tion;基于自适应杂交、变异率的演化算法
16.Multi-Object Sub-Space Search Evolutionary Algorithm多目标子空间搜索演化算法MOSSSEA
17.Hybrid differential evolution algorithm for vehicle scheduling problem with soft time windows求解VSPSTW问题的混合差分演化算法
18.The Research on Optimizing Based on Program Transformation of the Decision Tree Algorithms;基于程序演化的决策树算法优化研究
相关短句/例句
evolutionary algorithms演化算法
1.Survey on automatic structural test data generation usingevolutionary algorithms;基于演化算法的结构测试数据自动生成方法评述
2.Real factorization based onevolutionary algorithms;基于演化算法的实因式分解
3.The result shows that it is better than other existingevolutionary algorithms in search efficiency, range of applications, accuracy and robustness of solutions.仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都优于其他现存演化算法。
3)evolution algorithm演化算法
1.Anevolution algorithm is designed for solving the partial ordering relation, by which an ideal method is obtained for calculation.建立了钻井布局问题的数学模型,设计了基于偏序关系求解钻井布局问题的演化算法,得到了理想的计算结果。
2.The basic principle of multi-object iveevolution algorithm is introduced, and the Pareto optimial-based evolutionary approach is discussed.演化算法因其内在的并行行,在求解多目标优化问题时具有独特的优势。
4)Evolutionary computation演化算法
1.Self-tuning fuzzy control based on evolutionary computation;基于演化算法的自校正模糊控制
2.Learning path creation and optimization based on evolutionary computation;基于演化算法的学习路线生成与优化
3.Due to its intrinsic parallelism and some intelligent properties, such as self-organizing, adaptation and self-learning, evolutionary computation has been applied successfully to artificial neural network.根据演化算法具有内在的并行性、自组织、自适应和自学习性等优点,进而成功地运用到神经网络中,给出了一种能同时训练循环神经网络结构和参数的演化算法。
5)genetic algorithm演化算法
1.In this paper, we explain the performance ofgenetic algorithm based on permutation coding through experiments on Knapsack problems.以背包问题为模拟实例 ,考察基于排列序编码的演化算法的性能 ,我们发现 ,如果问题的编码不具有结构性 ,此时求解的质量由个体在解空间的分布情形决定 ;在种群规模偏小的情形下 ,交叉算子的作用不容忽视 ,而在大规模种群的情形下 ,交叉算子的作用有限 ,变异算子应该在算法中占主导地位 ,这样能保证算法具有平稳的在线性能 ,可以应用于系数时变的优化问题的求解 ,对演化算法的实际应用具有一定的指导意义。
2.The multi-document summarizer usinggenetic algorithm-based sentence extraction(SBGA) regards summarization process as an optimization problem where the optimal summary is chosen among a set of summaries formed by the conjunction of the original articles sentences.SBGA系统将多文档自动摘要过程视为一个从源文档集中抽取句子的组合优化过程,并用演化算法来求得近似最优解。
3.A concise summary is given on methods and characteristics in computational intelligence, of which simulated annealing algorithm, neural network,genetic algorithm, evolutional programming and taboo search algorithm are mainly discussed.对几种智能计算方法及其特点作一个简明的综述,其中着重介绍模拟退火、神经网络、遗传与演化算法和禁忌搜索算法。
6)evolution of algorithm算法演化
延伸阅读
从猿到人演化过程中的几个重要阶段人类是从古猿分化而来的。人类从远古祖先可以追溯到生活在距今二、三万年前的森林古猿。它们在长期的树栖生活过程中，导致四肢逐渐分化，身体结构变化，为身体直立，前后肢分工和发达的感觉系统的形成创造了条件，这是古猿进化的内在根据。距今二千万到一千二百万年前，地球上出现了广泛的造山运动，原来的茂密森林逐渐被稀疏的林片和林间草原所代替。古猿不得不转向草原生活，变化了的生活环境为森林古猿的进一步分化和发展创造了外部条件。人类在劳动中成长。劳动是整个人类生活的第一个基本条件。劳动使古猿变成了人，又继续推动人类成长。根据地质考古资料，可把史前人类的发展分为早期猿人、晚期猿人、早期智人、晚期智人四个阶段。每个阶段的劳动工具、社会生活和人类体质特征都有不同。下阶段比上阶段更发展，更进步，这都是和社会劳动的发展分不开的。人类的起源可以分为四个时期： （1）早期猿人：他们是最早出现的人类。一般认为他们从距今三百多万年开始，到一百多万年前消失。早期猿人的主要特征是，能制造粗糙的石器，脑子比较小，整个手骨和脚骨已和现代人相似。已知道用火，建立了十人左右的社会集团，过着共同采集兼狩猎的生活。 （2）晚期猿人：距今一百五十万年前，进入晚期猿人阶段，据北京猿人资料表明，他们曾会用不同的石料，不同的方法打制不同类型和不同用途的石器。已能捕捉马、鹿、象和犀牛等大型动物。厚达六米的灰烬层说明有用火的经验。过着由几十人结成的家族集体生活。体质特征比早期猿人有很大进步。脑量增大，肢骨和现代人相似，但头骨还有许多原始特征。脑颅比较扁、前额比较低，头盖骨上窄下宽。 （3）早期智人：到三、四十万年前进入了早期智人阶段。石器规整、用途明确，显示劳动技能有了很大提高。已知道利用兽皮做粗陋的衣服。并学会人工取火。社会形态上正由家族扩大为母系社会。脑量已进入现代人的范围。但头骨形状还比较原始。上小下大，不象现代人接近半球形，眉脊也有些突出。 （4）晚期智人：到三、四万年前，进入晚期智人阶段。体形结构和脑同现代人已没有多大的区别。他们制造了复合石器、骨器和弓箭，还制造了磨光石器。后来又发明了制陶、纺织、冶炼，出现了金属工具。农业也得到了发展。随着生产力的提高，氏族公社相应地扩大和增加。母系社会转化为父系氏族公社，而后又联合为部落。随着金属工具的发展和生产力的提高，出现了剩余产品，私有制逐渐形成，社会分化为阶级，原始社会逐渐解体，被奴隶社会所代替。这样，史前人类社会便从此结束了。 人类在产生的同时也伴随着人类思维理性和意识的产生。首先人类的意识是从猿人的意识转化而来的。转化的动力就是人类的劳动过程或称创造性过程。猿类能够间或使用天然工具，协同追逐猎物，显示了意识的萌芽，但尚属一种本能表现，和人类的意识有本质的区别。人类意识的根本特征在于能够把客观事物的性质、事物之间的相互联系等等转化成为主观的认识，并能将主观意识付之行动。自觉的能动性是人类的特点。形成中的人，由于经常使用天然工具，从而学会了制造工具。这说明，他们已经开始了解工具的作用。知道了什么样的工具最有效。从而按照自已的愿望去制造工具。这种古猿意识所产生的飞跃，于是导致人类意识的起源。随着人类劳动的发展，意识也相应地得到了发展。猿人最初制造粗陋、简单、一具多用的工具，以后逐渐采用不同的石料技术打制不同类型和不同用途的石器。随后又制造了复合石器、弓箭和磨制石器。这表明了人类通过劳动不断积累和总结经验，提高了对自然的认识能力。反过来，人的认识又推动了劳动的进步，不断地提高了自已认识世界和改造世界的能力。其次，产生了表达思想的语言。
