思维进化－－高效率的进化计算方法
该文对于不久前提出的基于思维进化的机器学习(Mnd-Evoluton-Based Machne Learnng,MEBML)进行了分析，讨论了在求解数值优化问题时MEBML的进化操作的实现中的考虑，给出了判别于群体是否成熟的准则以及趋同过程中参数的自适应调整方法，给出了MEBML进行数值优化的实验结果。实验表明在数值优化中，其全局收敛性能与计算效率的明显优于标准的遗传算法（提高20℅以上），这是由于MEBML的结构以及采用的趋同与异化进化操作的机制均与遗传算法不同。
进化计算 遗传算法 数值优化 机器学习
孙承意 孙岩 谢克明
太原理工大学计算中心(太原) 太原理工大学信息工程学院(太原)
国内会议
合肥
中文
118～121
2000-06-01（万方平台首次上网日期，不代表论文的发表时间）