...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Soft computing: A fusion of foundations, methodologies and applications >Kursawe and ZDT functions optimization using hybrid micro genetic algorithm (HMGA)
【24h】

Kursawe and ZDT functions optimization using hybrid micro genetic algorithm (HMGA)

机译：使用混合微遗传算法（HMGA）进行Kursawe和ZDT函数优化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A hybrid micro genetic algorithm (HMGA) is proposed for Pareto optimum search focusing on the Kursawe and ZDT test functions. HMGA is a fusion of the micro genetic algorithm (MGA) and the elitism concept of fast Pareto genetic algorithm. The effectiveness of HMGA in Pareto optimal convergence was investigated with two performance indicators (i.e. generational distance and spacing). To measure HMGA's performance, a comparison study was conducted between HMGA and MGA. In this work, HMGA is outperformed MGA in the search for Pareto optimal front and capable of solving different difficulty of MOPs.
机译：针对帕累托最优搜索，提出了一种混合微遗传算法（HMGA），重点是对库尔萨维和ZDT测试功能的研究。 HMGA是微遗传算法（MGA）和快速帕累托遗传算法的精英概念的融合。 HMGA在帕累托最优收敛中的有效性通过两个性能指标（即世代距离和间距）进行了研究。为了衡量HMGA的性能，在HMGA和MGA之间进行了比较研究。在这项工作中，HMGA在寻求帕累托最优阵线方面优于MGA，并且能够解决MOP的不同难度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号