Evolutionary algorithms (EAs) are p

Evolutionary algorithms (EAs) are principally a stochastic
search and optimization method based on the principles of
natural biological evolution. The evolutionary algorithm is
wildly used in the fields of searching, optimization, machine
learning, and pattern recognition and so on. Nowadays,
researchers in evolutionary computation pay more attention on
the natural inspired computation i.e. we can use some natural
principles from natural sciences and the natural world to
propose new computational models and methods. There are
some natural inspired Evolutionary Algorithms such as DEA
[1], NDEA [2], and QEA [3] [4].
This paper proposes a new a new electrostatic field
termination criterion for Evolutionary Algorithm (EFEA)
which ideas come from the classic electrostatic field. The
EFEA gives the EA frame a new electrostatic model. This can
be another way of natural inspired Evolutionary Algorithms
from the Physics.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมเชิงวิวัฒนาการ (EAs) มีหลักการแบบเฟ้นสุ่มวิธีค้นหาและปรับให้เหมาะสมตามหลักการวิวัฒนาการทางชีวภาพตามธรรมชาติ เป็นอัลกอริทึมเชิงวิวัฒนาการอาละวาดใช้ในฟิลด์ค้นหา เพิ่มประสิทธิภาพ เครื่องเรียน รู้ และการรู้จำรูปแบบ และอื่น ๆ ในปัจจุบันนักวิจัยในการคำนวณเชิงวิวัฒนาการให้ความสำคัญในคำนวณเช่นเราสามารถใช้บางธรรมชาติแรงบันดาลใจจากธรรมชาติหลักการจากวิทยาศาสตร์ธรรมชาติและธรรมชาติของโลกให้เสนอแบบจำลองการคำนวณใหม่และวิธีการ มีธรรมชาติบางอัลกอริทึมวิวัฒนาการเช่น DEA เป็นแรงบันดาลใจ[1], NDEA [2], และ [3] [4] QEAกระดาษนี้เสนอใหม่เขตงานใหม่เกณฑ์จ้างสำหรับวิวัฒนาการอัลกอริทึม (EFEA)ความคิดที่มาจากฟิลด์งานคลาสสิก ที่EFEA ให้กรอบ EA แบบงานใหม่ นี้สามารถวิธีอื่นของกระบวนวิวัฒนาการธรรมชาติแรงบันดาลใจจากฟิสิกส์

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการวิวัฒนาการ (EAs)
เป็นงานหลักสุ่มค้นหาและวิธีการเพิ่มประสิทธิภาพบนพื้นฐานของหลักการของวิวัฒนาการทางชีววิทยาธรรมชาติ
อัลกอริทึมวิวัฒนาการถูกนำมาใช้อย่างดุเดือดในด้านของการค้นหาการเพิ่มประสิทธิภาพของเครื่องการเรียนรู้และการจดจำรูปแบบและอื่นๆ ปัจจุบันนักวิจัยในการคำนวณวิวัฒนาการให้ความสนใจมากขึ้นในการคำนวณแรงบันดาลใจจากธรรมชาติเช่นเราสามารถใช้บางธรรมชาติหลักการจากวิทยาศาสตร์ธรรมชาติและธรรมชาติของโลกที่จะนำเสนอรูปแบบการคำนวณใหม่และวิธีการ มีบางอย่างที่ได้แรงบันดาลใจจากธรรมชาติวิวัฒนาการขั้นตอนวิธีเช่นปปส[1], NDEA [2] และ QEA [3] [4]. กระดาษนี้นำเสนอใหม่สนามไฟฟ้าสถิตใหม่เกณฑ์เลิกวิวัฒนาการขั้นตอนวิธี (EFEA) ซึ่งความคิดมาจาก สนามไฟฟ้าสถิตคลาสสิก EFEA ให้ EA กรอบรูปแบบใหม่ไฟฟ้าสถิต นี้สามารถเป็นวิธีธรรมชาติเป็นแรงบันดาลใจของอัลกอริทึมวิวัฒนาการอีกจากฟิสิกส์

ผลลัพธ์ (ไทย) 3:

คนแรกของหัวใจ คนสุดท้ายของชีวิต ( EAS ) เป็นหลักและวิธีการเพิ่มประสิทธิภาพการค้นหา Stochastic

ขึ้นอยู่กับหลักการของวิวัฒนาการทางชีวภาพจากธรรมชาติ ขั้นตอนวิธีวิวัฒนาการคือ
ใช้ป่าในเขตข้อมูลการค้นหา เพิ่มประสิทธิภาพกลไก
การเรียนรู้ด้วยเครื่องจักร และการรู้จำรูปแบบและอื่น ๆ ทุกวันนี้
นักวิจัยในการคำนวณเชิงวิวัฒนาการให้ความสนใจเพิ่มเติมเกี่ยวกับ
แรงบันดาลใจธรรมชาติการคำนวณเช่นเราใช้หลักการธรรมชาติ
จากวิทยาศาสตร์และธรรมชาติของโลก

เสนอแบบจำลองคอมพิวเตอร์ใหม่และวิธีการ มีแรงบันดาลใจจากธรรมชาติ
บางขั้นตอนวิธีเชิงวิวัฒนาการเช่น DEA
[ 1 ] , ndea [ 2 ] และ qea [ 3 ] [ 4 ] .
บทความนี้เสนอใหม่ใหม่สนามไฟฟ้าสถิต
ยกเลิกเกณฑ์ขั้นตอนวิธีเชิงวิวัฒนาการ ( efea )
ซึ่งแนวคิดมาจากเขตไฟฟ้าสถิตคลาสสิก
efea ให้เอเฟรมแบบสถิตใหม่ นี้เป็นอีกวิธีหนึ่งของธรรมชาติเป็นแรงบันดาลใจ

ขั้นตอนวิธีเชิงวิวัฒนาการจากฟิสิกส์