Intuitively hybrid evolutionary alg

Intuitively hybrid evolutionary algorithms (formulated by combining the good features of two individual parent processes) provide superior performance than the conventional parent algorithms. A hybrid of GA and PSO based algorithm is developed in [129] for order clustering to reduce the surface mount technology (SMT) setup time. Feng-jie and Ye [130] applied the GA and PSO based hybrid clustering algorithm for image segmentation of transmission lines picture to determine the faults. This system is helpful for remote video monitoring. Hong and Kwong [131] combined steady-state genetic algorithm and ensemble learning for cluster analysis. Chaves and Lorenab [132]developed a hybrid algorithm ‘Clustering Search’ (consisting of GA along with local search heuristic) to solve capacitated centered clustering problem. Recently a two stage genetic algorithm was proposed by He et al. [134] for cluster analysis in which two-stage selection and mutation operations are incorporated to enhance the search capability of the algorithm. The two stage genetic algorithm provides accurate results compared to agglomerative k-means [133] and standard genetic k-means algorithms. A grouping genetic algorithm (GGA) is a compact one proposed by Falkenauer [135] to handle grouping-based problems. The GGA is successfully used for cluster analysis of benchmark UCI datasets in [136]. Recently Tan et al. [137] applied the GGA based clustering technique to improve the spectral efficiency of OFDMA (orthogonal frequency-division multiple access) based multicast systems.

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีวิวัฒนาการไฮบริดอย่างสังหรณ์ใจ (สูตรโดยรวมคุณสมบัติที่ดีของทั้งสองกระบวนการปกครองของแต่ละบุคคล) ให้มีประสิทธิภาพดีกว่าขั้นตอนวิธีการปกครองแบบเดิม ไฮบริดของขั้นตอนวิธี GA และ PSO ตามการพัฒนาใน [129] สำหรับการจัดกลุ่มเพื่อลดพื้นผิวติดเทคโนโลยี (SMT) เวลาการติดตั้ง ฮ Jie และ Ye [130] ใช้ GA และ PSO ตามขั้นตอนวิธีการจัดกลุ่มไฮบริดสำหรับการแบ่งส่วนภาพของสายส่งภาพเพื่อตรวจสอบความผิดพลาด ระบบนี้จะเป็นประโยชน์สำหรับการตรวจสอบวิดีโอระยะไกล ฮ่องกงและ Kwong [131] รวมมั่นคงของรัฐขั้นตอนวิธีพันธุกรรมและการเรียนรู้ชุดสำหรับการวิเคราะห์กลุ่ม Chaves และ Lorenab [132] การพัฒนาอัลกอริทึมไฮบริด 'Clustering ค้นหาคำว่า' (ประกอบด้วย GA พร้อมกับแก้ปัญหาการค้นหาในท้องถิ่น) เพื่อแก้ปัญหา capacitated ปัญหาการจัดกลุ่มเป็นศูนย์กลาง เมื่อเร็ว ๆ นี้ขั้นตอนวิธีพันธุกรรมขั้นตอนที่สองถูกเสนอโดยเขา et al, [134] สำหรับการวิเคราะห์กลุ่มที่เลือกสองขั้นตอนการดำเนินงานและการกลายพันธุ์ได้รับการจัดตั้งขึ้นเพื่อเพิ่มความสามารถในการค้นหาของขั้นตอนวิธี อัลกอริทึมพันธุกรรมขั้นตอนที่สองให้ผลลัพธ์ที่ถูกต้องเมื่อเทียบกับ K-agglomerative วิธี [133] และมาตรฐานทางพันธุกรรมขั้นตอนวิธี K-วิธี การจัดกลุ่มขั้นตอนวิธีพันธุกรรม (GGA) เป็นหนึ่งในขนาดกะทัดรัดที่เสนอโดย Falkenauer [135] การจัดการกับปัญหาการจัดกลุ่มตาม GGA ใช้ประสบความสำเร็จสำหรับการวิเคราะห์กลุ่มของชุดข้อมูลมาตรฐานใน UCI [136] เมื่อเร็ว ๆ นี้ Tan et al, [137] ที่ใช้เทคนิคการจัดกลุ่ม GGA ที่ใช้ในการปรับปรุงประสิทธิภาพของสเปกตรัม OFDMA (มุมฉากแบ่งความถี่การเข้าถึงหลาย) ตามระบบหลายผู้รับ

ผลลัพธ์ (ไทย) 3:

สังหรณ์ใจไฮบริดขั้นตอนวิธีเชิงวิวัฒนาการ ( ยุทธศาสตร์ โดยการรวมคุณลักษณะที่ดีของบุคคลสองหลักกระบวนการ ) ให้ประสิทธิภาพที่เหนือกว่ากว่าขั้นตอนวิธีหลักตามปกติ เป็นลูกผสมของกา PSO ตามขั้นตอนวิธีที่พัฒนา [ 129 ] เพื่อการจัดกลุ่มเพื่อลดพื้นผิวภูเขาเทคโนโลยี ( SMT ) เวลาในการติดตั้ง Feng Jie ท่าน [ 130 ] ใช้ระบบไฮบริด และจากกาการจัดกลุ่มขั้นตอนวิธีการแบ่งส่วนของภาพภาพสายส่งเพื่อตรวจสอบความผิดพลาด ระบบนี้จะเป็นประโยชน์สำหรับการตรวจสอบวิดีโอระยะไกล ฮง และกวง [ 131 ] รวมคงที่และขั้นตอนวิธีทางพันธุกรรมชุดการเรียนรู้สำหรับการวิเคราะห์กลุ่ม ชาเวซ และ lorenab [ 132 ] พัฒนาขั้นตอนวิธีการจัดกลุ่มค้นหา " " ลูกผสมประกอบด้วยกายพร้อมกับท้องถิ่นค้นหาฮิวริสติกเพื่อแก้ capacitated เป็นศูนย์กลางสำหรับปัญหา เมื่อเร็ว ๆ นี้เป็นขั้นสองขั้นตอนวิธีทางพันธุกรรมถูกเสนอโดยเขา et al . [ 134 ] สำหรับการวิเคราะห์กลุ่ม ซึ่งในการเลือกและการรวมสองขั้นตอน เพื่อเพิ่มความสามารถในการค้นหาของขั้นตอนวิธี สองขั้นตอนขั้นตอนวิธีทางพันธุกรรมให้ผลลัพธ์ที่ถูกต้องเมื่อเทียบกับ agglomerative k-means [ 133 ] และมาตรฐาน k-means พันธุกรรมอัลกอริทึม การจัดกลุ่มขั้นตอนวิธีเชิงพันธุกรรม ( ก๊ะ ) มีขนาดกะทัดรัดหนึ่งเสนอโดย falkenauer [ 135 ] จัดการการจัดกลุ่มตามปัญหา ที่ใช้ในการวิเคราะห์กลุ่มก๊ะสําเร็จของเกณฑ์มาตรฐาน UCI ข้อมูลใน [ 136 ] เมื่อเร็ว ๆนี้แทน et al . [ 137 ] ใช้ก๊ะตามการจัดกลุ่มเทคนิคการปรับปรุงประสิทธิภาพของสเปกตรัมของ ofdma ( หมวดเข้าถึงหลายความถี่ Orthogonal ) ที่ใช้ระบบมัลติคาสต์ .