全文获取类型
收费全文 | 89篇 |
免费 | 54篇 |
国内免费 | 18篇 |
专业分类
电工技术 | 3篇 |
综合类 | 3篇 |
化学工业 | 5篇 |
金属工艺 | 2篇 |
机械仪表 | 1篇 |
矿业工程 | 2篇 |
能源动力 | 3篇 |
水利工程 | 8篇 |
武器工业 | 1篇 |
无线电 | 21篇 |
一般工业技术 | 7篇 |
冶金工业 | 6篇 |
自动化技术 | 99篇 |
出版年
2023年 | 4篇 |
2020年 | 4篇 |
2019年 | 3篇 |
2018年 | 6篇 |
2017年 | 2篇 |
2016年 | 3篇 |
2015年 | 3篇 |
2014年 | 6篇 |
2012年 | 6篇 |
2011年 | 11篇 |
2010年 | 11篇 |
2009年 | 23篇 |
2008年 | 20篇 |
2007年 | 14篇 |
2006年 | 10篇 |
2005年 | 4篇 |
2004年 | 8篇 |
2003年 | 2篇 |
2002年 | 3篇 |
2001年 | 2篇 |
2000年 | 6篇 |
1999年 | 7篇 |
1994年 | 1篇 |
1988年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有161条查询结果,搜索用时 500 毫秒
51.
为提高多目标进化算法的收敛性,提出一种基于空间距离的多目标进化算法.定义一种密度估计指标--树聚集距离,在考虑非支配前沿的同时,利用个体的空间距离及树聚集距离进行个体选择操作.另外,在外部种群的非支配解个数超过规定的种群规模时,用基于个体邻近距离的维护方法对其进行维护.通过6个测试问题和5个方面的测试标准,与NSGA-Ⅱ和SPEA2进行比较,该算法在拥有更好收敛度的同时,保持良好的均匀性和分布广度. 相似文献
52.
本文在经典遗传算法中增加了一个称之为空间交配的遗传算子,通过空间交配,把整个搜索空间划分成不相交(或近似不相交)的子空间,它不但优化空间内的个体,而且各子空间作为一种运算对象,其本身也得到不断优化.算法不是在某一时刻才把群体进行突发多样性化,而是群体在总体上时刻保持多样性,同时不断积累有用信息,最终使算法收敛到全局最优解,而且子群体的个体交换很少,解决了现在大多并行遗传算法的系统通信开销大的问题. 相似文献
53.
共同进化算法是一种新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题。该文针对数据聚类问题——当前数据挖掘与探查性数据分析中的一个重要课题——将数据聚类问题抽象成为一个赋值图的分割问题,应用共同进化算法来加以解决,使得聚类的结果不必依赖于初始聚类中心,并对该算法的性能加以分析。将该算法与一般的遗传算法相比较,通过实验证明了该算法的优越性能。 相似文献
54.
一种求解多目标优化问题的粒子群算法 总被引:1,自引:0,他引:1
提出一种多目标粒子群算法,其采用外部集合保存当前找到的最优解集,采用强ε支配关系更新外部集合,使解集保持良好的分布性.对粒子全局极值的选取设计新的选择思路,提出极值变异的思想,采用新的粒子更新策略加快解集的收敛,加入自适应变异算子避免陷入局部非劣最优解.通过使用一系列标准的测试函数进行实验,实验结果表明该算法在保持解集分布性和收敛性方面较有效,且实现简单、表现稳定. 相似文献
55.
基于父个体相似度的自适应遗传算法 总被引:5,自引:2,他引:3
标准遗传算法在产生后代个体时采用先交叉后变异的策略,一方面当父个体非常相似时,交叉操作很难产生新的个体,影响算法对新的解空间进行搜索,从而导致种群多样性的丧失;另一方面交叉产生的优秀个体再历经变异,极有可能遭破坏而影响算法的收敛性。该文根据染色体的相似性,给出了个体相似度的概念,并在此基础上提出了依据父个体相似度的大小自适应地选择遗传算子(交叉或变异)的遗传算法。仿真实验表明,与采用常规遗传策略的遗传算法相比,新算法能显著提高解的质量和收敛速度。 相似文献
56.
提出了一种基于密度熵的多目标粒子群算法(EMOPSO)。采用一个外部集保存所发现的Pareto最优解(精英),并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度熵的策略进行分布度保持,从而使所得到的解集保持良好的分布性。最后与经典的多目标进化算法(MOEAs)进行了对比实验,实验结果表明了该算法的有效性。 相似文献
57.
在改进的基本遗传算法的实验基础上,通过分析传统的基本选择算子的理论及其优缺点,提出了能够产生较好收敛速度的三种选择方法:基于上限的确定式采样、基于切断的轮盘赌选择以及无回放最大值选择法,通过实验证明其在收敛性和收敛速度上都有很大的改善,为一些需要更快速求到最优解的应用问题提供了更好的选择策略。 相似文献
58.
几乎所有多目标进化算法(multi-objective optimization evolutionary algorithm,MOEA)都是针对Pareto最优面为均匀分布问题而言.然而现实中很多问题Pareto最优面是非均匀分布的,决策者希望得到一个与Pareto最优面分布类似的解集.现存算法并不能有效解决该问题.对此,提出一种针对于非均匀分布多目标优化问题的维护方法(non-uniformly diversity maintenance method,NUDMM).该方法定义一个反映个体分布"规则"程度的指标——杂乱度,并设计一种降低种群杂乱度的方法,在未知Pareto最优面分布规律情况下有效剔除造成种群混乱的个体.通过与NSGA-II和SPEA2在不同维数下8个非均匀函数上对比实验,表明NUDMM在有效保持问题真实分布的同时,具有良好的收敛性. 相似文献
59.
电子技术是理工科专业的一门技术基础课程.分析电子技术课程的教学中存在的弊端,并在此基础上提出电子技术教学改革的措施手段. 相似文献
60.