Genetic algorithms are unconstraine

Genetic algorithms are unconstrained search methods that were originally designed to optimize a
single criterion as represented by the fitness of each individual in the population. It uses the evolutionary
concept of natural selection to converge on an optimal solution over many generations GAs [7]. It could
solve complicated problems using evolutionary principles to find optimal solutions [8]. Several
comparative studies related to discrete parameters optimization have been discussed in former research:
genetic algorithm, particle swarm, and sequential search methods. The GA method was found to be more
efficient than the sequential search and particle swarm optimization when several parameters are
considered in the optimization. The advantage of GA method is especially valuable when the cost
function becomes more expensive to evaluate. The efficiency of GAs increases as the size of the search
space increases

ผลลัพธ์ (ไทย) 1:

ขั้นตอนวิธีพันธุกรรมเป็นวิธี unconstrained ค้นหาที่ถูกออกแบบมาเพื่อเพิ่มประสิทธิภาพการ เดี่ยวเกณฑ์ตามที่แสดง โดยการออกกำลังกายของประชากรแต่ละ ใช้การวิวัฒนาการ แนวคิดของการคัดเลือกโดยธรรมชาติให้มาบรรจบกันในมีโซลูชันวิถีแก๊ส [7] มันอาจจะ แก้ปัญหาที่ซับซ้อนโดยใช้หลักการวิวัฒนาการเพื่อค้นหาโซลูชันที่ดีที่สุด [8] หลาย ศึกษาเปรียบเทียบการเพิ่มประสิทธิภาพของพารามิเตอร์ที่เกี่ยวข้องกับแยกได้อภิปรายไว้ในวิจัย: ขั้นตอนวิธีพันธุ ฝูงอนุภาค และวิธีการค้นหาตามลำดับ พบวิธี GA จะเพิ่มเติม มีประสิทธิภาพมากกว่าการค้นหาตามลำดับและอนุภาครุมเพิ่มประสิทธิภาพเมื่อมีหลายพารามิเตอร์ พิจารณาในการเพิ่มประสิทธิภาพ ข้อดีของวิธี GA จะมีคุณค่าอย่างยิ่งเมื่อต้นทุน ฟังก์ชันจะแพงกว่าการประเมิน ประสิทธิภาพของก๊าซเพิ่มขึ้นเป็นขนาดของการค้นหา พื้นที่เพิ่มขึ้น

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีพันธุกรรมเป็นวิธีการค้นหาข้อ จำกัด ที่ได้รับการออกแบบมาเพื่อเพิ่มประสิทธิภาพ
เกณฑ์เดียวเป็นตัวแทนจากการออกกำลังกายของแต่ละคนในประชากร มันใช้วิวัฒนาการ
แนวความคิดของการคัดเลือกโดยธรรมชาติจะมาบรรจบกันในการแก้ปัญหาที่ดีที่สุดในช่วงหลายชั่วอายุคน GAs [7] มันอาจจะ
แก้ปัญหาที่ซับซ้อนโดยใช้หลักการวิวัฒนาการเพื่อหาทางแก้ปัญหาที่ดีที่สุด [8] หลาย
การศึกษาเปรียบเทียบที่เกี่ยวข้องกับการเพิ่มประสิทธิภาพพารามิเตอร์ที่ไม่ต่อเนื่องได้รับการกล่าวถึงในการวิจัยในอดีต:
ขั้นตอนวิธีพันธุกรรมฝูงอนุภาคและวิธีการค้นหาลำดับ วิธี GA ก็จะพบว่ามีมากขึ้น
มีประสิทธิภาพกว่าการค้นหาและการเพิ่มประสิทธิภาพของอนุภาคจับกลุ่มตามลำดับเมื่อหลายพารามิเตอร์จะ
พิจารณาในการเพิ่มประสิทธิภาพ ข้อดีของวิธี GA มีคุณค่าโดยเฉพาะอย่างยิ่งเมื่อค่าใช้จ่ายใน
การทำงานจะกลายเป็นราคาแพงมากขึ้นในการประเมิน ประสิทธิภาพของก๊าซเพิ่มขึ้นตามขนาดของการค้นหา
การเพิ่มขึ้นของพื้นที่

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีเชิงพันธุกรรมจะต่างกันไปค้นหาวิธีการที่ถูกออกแบบมาเพื่อเพิ่มประสิทธิภาพเดี่ยวเกณฑ์ตามที่แสดง โดยความเหมาะสมของแต่ละคน ในประชากร มันใช้วิวัฒนาการแนวคิดของการเลือกธรรมชาติ ไปบรรจบที่เหมาะสมโซลูชั่นกว่าหลายชั่วอายุคนแก๊ส [ 7 ] มันสามารถแก้ไขปัญหาที่ซับซ้อน โดยใช้หลักการวิวัฒนาการเพื่อหาโซลูชั่นที่เหมาะสมที่สุด [ 8 ] หลาย ๆการศึกษาพารามิเตอร์ที่เหมาะสมที่เกี่ยวข้องกับต่อเนื่องได้กล่าวในการวิจัยอดีต :ขั้นตอนวิธีทางพันธุกรรม ฝูงอนุภาค และวิธีการค้นหาลำดับ . เกมวิธีพบว่ามีมากขึ้นค้นหาการเพิ่มประสิทธิภาพ และประหยัดกว่าแบบฝูงอนุภาคเมื่อหลายพารามิเตอร์คือการพิจารณาในการเพิ่มประสิทธิภาพ ประโยชน์ของวิธีที่มีคุณค่าโดยเฉพาะอย่างยิ่งเมื่อค่าใช้จ่ายในกาฟังก์ชันจะกลายเป็นราคาแพงมากขึ้นเพื่อประเมิน ประสิทธิภาพของก๊าซเพิ่มขึ้นเป็นขนาดของการค้นหาเพิ่มพื้นที่