生物进化
共 24 篇文章
生物进化 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 24 篇文章，持续更新中。
期刊论文：自组织作用在生物进化中的模拟研究
·期刊论文：自组织作用在生物进化中的模拟研究
遗传算法的在工业控制中的应用
遗传算法是一种模仿自然界生物进化过程中选择和遗传的机理而构造出的一种优化搜<BR>索算法。但是，简单遗传算法的收敛速度较慢、稳定性较差。针对这些同题，本文提出了几种方法来改善遗传算法性能的操作，在文中
基于优化模拟电荷法的电器电场数值模拟与分析.rar
在高压电器设备的绝缘设计和分析中，数值计算是不可缺少的重要环节：绝缘设计分祈的大部分工作是以电场数值计算为基础而展开具体研究工作。常用电场数值计算方法有边界分割法和场域分割法。场域分割法包括差分法和有限元法等。边界分割法包括模拟电荷法和表面电荷法等，其中模拟电荷法具有独特的优势，被广泛用于电场数值计算中。本文在分析不同数值计算方法应用特点的基础上，进行了基于模拟电荷法的电器电场数值求解应用研究。
遗传算法的数学基础.第2版
<p>遗传算法(genetical algorithm)是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术，已广泛应用于计算机科学、人工智能、信息技术及工程实践。 全书共分3章，第l章给出了遗传算法的几何理论，第2章给出了遗传算法的马尔可夫链分析，第3章给出了遗传算法的收敛理论。 本书可以作为应用数学、计算机科学、系统科学等专业研究生的教材，也可以作为研究遗传算法的参考书。
matlab 0-1背包问题
<p>
<span style="color:#333333;font-family:Arial, "font-size:18px;text-indent:36px;white-space:normal;background-color:#FFFFFF;">遗传算法已经成为组合优化问题的近似最优解的一把钥匙。它是一种模拟生物进化过程的计算模型，作为一种新的全局优化搜索算法，它以其简单、
遗传算法是一种模拟生物进化机制的随机全局优化搜索方法
遗传算法是一种模拟生物进化机制的随机全局优化搜索方法，具有很强的全局优化能力及鲁棒性。遗传算法属于直接搜索法，对适应函数基本无限制，既不要求连续，也不要求函数可微，而且不需要初始信息可以寻求全局最优解克服了单纯形算法初始条件影响大，易陷入局部最小等缺点，操作方便，速度快，不需要复杂的规则，且可用于多目标寻优，在解空间进行高效启发式搜索，可以提高运算速度。
生物的进化是一个奇妙的优化过程
生物的进化是一个奇妙的优化过程，它通过选择淘汰，突然变异，基因遗传等规律产生适应环境变化的优良物种。遗传算法是根据生物进化思想而启发得出的一种全局优化算法。
matlab 遗传算法
<span style="font-family:楷体;font-size:large;">遗传算法，模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型，一种选择不断选择优良个体的算法。谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个体基本上是最优的，那么以后再继续这样下去就可以一直最优了。</
DE 生物进化算法的matlab实现
DE 生物进化算法的matlab实现，一类优化仿生算法
<<MATLAB遗传算法工具箱及应用>>介绍了如何在MATLAB中完成遗传算法的应用。遗传算法[Genetic Arithmatic
<<MATLAB遗传算法工具箱及应用>>介绍了如何在MATLAB中完成遗传算法的应用。遗传算法[Genetic Arithmatic，简称GA]是以自然选择和遗传理论为基础，将生物进化过程中适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。GA摒弃传统的搜索方式，模拟自然界生物进化过程，采用人工进化的方式对目标空间进行随机优化搜索。MATLAB是M
很经典的一个算法。大家做工程和通信用的着。遗传算法（Genetic Algorithm）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型
很经典的一个算法。大家做工程和通信用的着。遗传算法（Genetic Algorithm）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它是有美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐
遗传算法是模拟达尔文生物进化论的自然选择与遗传学机理的计算模型, 它是由美国Michigan 大学的Holland教授于1975年首次提出的. 这是一种新的全局优化搜索算法, 其基本特征是利用群体进化
遗传算法是模拟达尔文生物进化论的自然选择与遗传学机理的计算模型, 它是由美国Michigan 大学的Holland教授于1975年首次提出的. 这是一种新的全局优化搜索算法, 其基本特征是利用群体进化,即在求解过程中, 通过使种群不断优化, 从而找到满意解或最优解. 该算法具有简单通用、鲁棒性强的优点, 适于并行处理, 已经广泛地应用于计算机科学、优化调度、运输问题及组合优化等领域
遗传算法(Genetic Algorithm,GA)是一种抽象于生物进化过程的基于自然选择和生物遗传机制的优化技术. 遗传算法的基本原理 在遗传算法的执行过程中,每一代有许多不同的种群个体
遗传算法(Genetic Algorithm,GA)是一种抽象于生物进化过程的基于自然选择和生物遗传机制的优化技术.
遗传算法的基本原理
在遗传算法的执行过程中,每一代有许多不同的种群个体(染色体 )同时存在。这些染色体中哪个保留(生存)、哪个淘汰(死亡),是根据 它们对环境的适应能力来决定的,适应性强的有更多的机会保留下来 。适应性强弱是通过计算适应性函数f(x)的值来判别的,这个值
用C语言程序实现遗传算法的功能
用C语言程序实现遗传算法的功能，遗传算法是模拟自然界生物进化过程与机制求解极值问题的一类自组织、自适应的人工智能技术，它模拟达尔文的自然进化论与孟德尔的遗传变异理论，具有并行性等特点，简单通用。
是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。遗传算法的基本操作包括：编码、初始群体的生成、适应度评估检测、选择、杂交操作、变异
是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。遗传算法的基本操作包括：编码、初始群体的生成、适应度评估检测、选择、杂交操作、变异
1。《遗传算法的数学基础》
1。《遗传算法的数学基础》，张文修、梁怡编着 西安交通大学出版社 2000年第一版
遗传算法（genetic algorithm）是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术，已广泛应用于计算机科学、人工智能、信息技术及工程实践。
本书重点在于阐述遗传算法的数学基础。全书共分3章，第1章给出了遗传算法的几何理论，第2章给出了遗传算法的马尔可夫链分析，第3章给出了
遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型. 生存+检测的迭代搜索过程是它的核心.
遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型.
生存+检测的迭代搜索过程是它的核心.
此文档是遗传算法原理加源代码。 生物的进化是一个奇妙的优化过程
此文档是遗传算法原理加源代码。
生物的进化是一个奇妙的优化过程，它通过选择淘汰，突然变异，基因遗传等规律产生适应环境变化的优良物种。遗传算法是根据生物进化思想而启发得出的一种全局优化算法。
遗传算法是一种模拟自然界生物进化的搜索算法
遗传算法是一种模拟自然界生物进化的搜索算法，由于它简单易行，鲁
棒性强，尤其是其不需要专门的领域知识而仅用适应度函数作评价来指导搜
索过程，从而使它的应用范围极为广泛，并且己在众多领域得到了实际应用，
取得了许多令人瞩目的成果，引起广大学者和工程人员的关注。
模拟遗传算法解决TSP问题
模拟遗传算法解决TSP问题，模拟生物进化中的遗传方式。