MuGA is an evolutionary algorithm (

MuGA is an evolutionary algorithm (EA) that represents populations
as multisets, instead of the conventional collection. Such
representation can be explored to adapt genetic operators in order to
increase performance in difficult problems. In this paper we present
an adaptation of the mutation operator, multiset wave mutation
(MWM), that explores the multiset representation to apply different
mutation ratios to the same chromosome, and an adaptation of the
replacement operator, multiset decimation replacement (MDR) that
preserves multiset representation in the main population and helps
MuGA to solve hard deceptive problems. Results obtained in different
deceptive functions show that pairing both operators is a robust
approach with a high success ratio in most of the problems.

ผลลัพธ์ (ไทย) 1:

Muga เป็นอัลกอริทึมวิวัฒนาการ (EA) ที่แสดงถึง
ประชากรเป็น multisets แทนการเก็บแบบเดิม แทน
ดังกล่าวสามารถสำรวจเพื่อปรับให้เข้ากับผู้ประกอบการทางพันธุกรรมเพื่อที่จะเพิ่มประสิทธิภาพการทำงาน
ในปัญหาที่ยาก ในบทความนี้เรานำเสนอ
การปรับตัวของผู้ประกอบการกลายพันธุ์กลายพันธุ์คลื่น MultiSet
(MWM) ที่สำรวจแทน MultiSet เพื่อนำไปใช้ที่แตกต่างกัน
อัตราส่วนการกลายพันธุ์ไปโครโมโซมเดียวกันและการปรับตัวของผู้ประกอบการแทน
ทดแทนสังหาร MultiSet ขนาน (MDR) ที่
แยมแทน MultiSet ในประชากรหลักและช่วยให้
Muga ในการแก้ปัญหาหลอกลวงยาก ผลที่ได้รับในฟังก์ชั่นที่แตกต่างกันหลอกลวง
แสดงให้เห็นว่าการจับคู่ผู้ประกอบการทั้งสองเป็นวิธี
ที่แข็งแกร่งโดยมีอัตราส่วนความสำเร็จในระดับสูงที่สุดของปัญหา

ผลลัพธ์ (ไทย) 2:

MuGA เป็นขั้นตอนการวิวัฒนาการวิธี (EA) ที่แสดงถึงประชากร
เป็น multisets แทนคอลเลกชันทั่วไป เช่น
แสดงสามารถสำรวจการปรับตัวทางพันธุกรรมเพื่อ
เพิ่มประสิทธิภาพในเรื่องยาก ในเอกสารนี้ เราแสดง
การปรับดำเนินการกลายพันธุ์ mutation
(MWM) คลื่น multiset ที่สำรวจแสดง multiset ใช้แตกต่างกัน
อัตราการกลายพันธุ์โครโมโซมเดียวกัน และการปรับตัวของการ
แทนตัว กำจัดจำนวนมากแบบ multiset แทน (MDR) ที่
กวนแสดง multiset ประชากรหลัก และช่วย
MuGA แก้ปัญหาหลอกลวง ผลที่ได้รับในต่าง
ลวงฟังก์ชันแสดงการจับคู่ผู้ประกอบการทั้งสองว่าความแข็งแกร่ง
วิธี มีอัตราความสำเร็จสูงในส่วนใหญ่ของปัญหา

ผลลัพธ์ (ไทย) 3:

muga มีวิวัฒนาการอัลกอริทึม( EA )ซึ่งเป็นตัวแทนประชาชน
ซึ่งจะช่วยเป็น multisets แทนของคอลเลคชั่นทั่วไป
การแสดงดังกล่าวคุณสามารถค้นพบยีนในการปรับตัวเพื่อเพิ่ม ประสิทธิภาพ ในการสั่งซื้อ
ซึ่งจะช่วยเพิ่มขึ้นในปัญหาได้ยาก ในเอกสารนี้เรามี
ซึ่งจะช่วยให้การปรับตัวของผู้ให้บริการคือมันที่คลื่น multiset คือมัน
(รูปแบบ)ที่สำรวจเป็นตัวแทน multiset เพื่อใช้แตกต่างกัน
อัตราส่วนคือมันเป็นโครโมโซมเดียวกับที่และการปรับตัวของผู้ให้บริการ
ซึ่งจะช่วยให้การเปลี่ยน multiset มีสิบคนฆ่าให้ตายหนึ่งคนการเปลี่ยนอะไหล่( MDR )ที่
ซึ่งจะช่วยรักษาไว้ซึ่งการเป็นตัวแทน multiset ในกลุ่มประชากรหลักและช่วยให้
muga เพื่อแก้ปัญหาหลอกลวงยาก. ผลการค้นหาได้รับแตกต่างกัน
ซึ่งจะช่วยในการหลอกลวงแสดงว่าการจับคู่ผู้ประกอบการทั้งสองมีความเข้มแข็ง
ซึ่งจะช่วยการมีอัตราความสำเร็จระดับสูงในปัญหาที่มากที่สุด