|
关注：1
2013-05-23 12:21
求翻译：If the value of is too small, some optimal solutions that may be the global optima solutions can be excluded, while if it is too big, we will waste much time on the sub-space evolution in some niches that are less worth maintaining the diversity. Similarly, It is true for the parameter . If we learn in advance the g是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
If the value of is too small, some optimal solutions that may be the global optima solutions can be excluded, while if it is too big, we will waste much time on the sub-space evolution in some niches that are less worth maintaining the diversity. Similarly, It is true for the parameter . If we learn in advance the g
问题补充： |
|
2013-05-23 12:21:38
null
|
|
2013-05-23 12:23:18
如果该值过小 , 某些最佳的解决方案 , 可能是全球性的解决办法灌水可以排除在外 , 而如果它太大 , 我们将浪费大量的时间在子空间的演变 , 有些死角较少的价值保持多样性。 同样的 , 它是真正的“参数”。
|
|
2013-05-23 12:24:58
如果价值 是太小的，也许是全球性最优解决方案可以被排除的一些最佳方案，而，如果它是太大的，我们在子空间演变将浪费时间在是值得维护变化的有些适当位置。 同样，它对参量是真实的。 如果我们事先学会所有全球性最佳方案的一般大小到问题，我们可以采取 作为数字大于大小，和 均等到数字; 如果我们无知者对予先此，我们可以分配更大的数字到二个参量，然后通过调试和分析节目修改它。 关于~，我们赋予非常一直是易变的在GLME算法的小正面价值，直到最佳方案的数量分成范围在之间 并且。 在一个词，它是可行的通过我们的理解适当地确定那些参量关于问题或几数字计算。
|
|
2013-05-23 12:26:38
如果的值太小，可以排除一些可能的全局最优解的最优解，而如果它是太大了，我们会浪费很多时间在某些领域，较少值得保持多样性的子空间演变。同样，它是真实的参数。如果我们事先了解到这一问题的所有全局最优解的一般大小，我们可以数比大小，大的和等于数;如果我们事先知道什么关于它，我们可以将更多分配给这两个参数，然后改变它通过调试和分析程序。作为为 ~，我们分配很小的积极价值 GLME 算法在任何时候都是变量，直到落入范围之间的最优解的个数和。总之一句话，它是可行适当地通过问题或几个数值计算我们了解这些参数的确定。
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
