The research was conducted using th

The research was conducted using the hybrid evolutionary algorithm which has been applied previously for
the predictive modelling of cyanobacteria growth in a variety of
lakes and rivers worldwide. This algorithm is designed
to evolve over time to improve the fitness between model results
and observations by combining genetic programming (GP) for optimizing
the model structure and differential evolution (DE) for
optimizing model parameters. GP is an evolutionary
algorithm, in which the genetic population consists of computer
programs of different sizes and shapes. Parse
trees represent computer programs. These programs are subsequently
evaluated by means of “fitness” function. Fitter programs
are selected for recombination by using arithmetic and logic operators
(such as crossover, mutation and reproduction) in order to
create the next generation. This step is iterated for continual generations
until the termination criterion has been satisfied. Differential evolution is an evolutionary algorithm designed
for parameter optimization, which extracts
differential information (i.e., distance and direction to global optimum)
from the current population of solutions to guide the search
for the global optimum. It can outcompete the other optimization
methods in convergence speed and robustness. By comparison
with conventional optimization algorithms, the DE could make it a
self-organizing scheme, and does not depend on additional probability
distributions.

ผลลัพธ์ (ไทย) 1:

ดำเนินการวิจัยโดยใช้ขั้นตอนวิธีเชิงวิวัฒนาการไฮบริดซึ่งได้ถูกใช้ก่อนหน้านี้สำหรับการสร้างโมเดลทำนาย cyanobacteria เติบโตในหลากหลายทะเลสาบและแม่น้ำทั่วโลก อัลกอริทึมนี้ถูกออกแบบมาการวิวัฒนาการในช่วงเวลาการปรับปรุงการออกกำลังกายระหว่างแบบจำลองผลและสังเกตการณ์ โดยรวมทางพันธุกรรม (GP) การเขียนโปรแกรมสำหรับเพิ่มประสิทธิภาพแบบจำลองโครงสร้างและต่างวิวัฒนาการ (DE) สำหรับเพิ่มประสิทธิภาพพารามิเตอร์ของแบบจำลอง GP เป็นการวิวัฒนาการอัลกอริทึม ประชากรพันธุกรรมประกอบด้วยคอมพิวเตอร์โปรแกรมของรูปร่างและขนาดแตกต่างกัน ในการแยกวิเคราะห์ต้นไม้หมายถึงโปรแกรมคอมพิวเตอร์ โปรแกรมเหล่านี้คือในเวลาต่อมาประเมินโดยใช้ฟังก์ชัน "ฟิต" โปรแกรมโลภเลือกสำหรับการรวมตัวกัน โดยใช้เลขคณิตและตัวดำเนินการตรรกะ(เช่นครอสโอเวอร์ กลายพันธุ์ และสืบพันธุ์) เพื่อให้สร้างรุ่นต่อไป ขั้นตอนนี้เป็นทวิภาควนซ้ำสำหรับรุ่นอย่างต่อเนื่องจนกว่ามีเกณฑ์เลิก ถูกใจ ส่วนที่แตกต่างคือ อัลกอริทึมวิวัฒนาการออกแบบมาสำหรับการเพิ่มประสิทธิภาพของพารามิเตอร์ ซึ่งแยกข้อมูลส่วนที่แตกต่าง (เช่น ระยะทางและทิศทางโลกที่เหมาะสม)จากปัจจุบันประชากรของโซลูชั่นเพื่อแนะนำการค้นหาสำหรับโลกที่ดีที่สุด มันสามารถ outcompete การเพิ่มประสิทธิภาพวิธีการในการบรรจบกันความเร็วและความทนทาน โดยการเปรียบเทียบด้วยอัลกอริทึมเพิ่มประสิทธิภาพธรรมดา เดออาจทำให้การตนเองการจัดระเบียบแบบแผน และไม่ขึ้นอยู่กับความน่าเป็นเพิ่มเติมการกระจาย

ผลลัพธ์ (ไทย) 2:

การวิจัยได้ดำเนินการโดยใช้ขั้นตอนวิธีวิวัฒนาการไฮบริดซึ่งได้ถูกนำมาใช้ก่อนหน้านี้สำหรับ
สร้างแบบจำลองการคาดการณ์การเติบโตของไซยาโนแบคทีเรียในความหลากหลายของ
ทะเลสาบและแม่น้ำทั่วโลก ขั้นตอนวิธีการนี้ถูกออกแบบมา
เพื่อวิวัฒนาการในช่วงเวลาที่จะปรับปรุงการออกกำลังกายระหว่างผลรูปแบบ
และการสังเกตโดยการรวมโปรแกรมทางพันธุกรรม (GP) สำหรับการเพิ่มประสิทธิภาพ
โครงสร้างรูปแบบและความแตกต่างวิวัฒนาการ (DE) เพื่อ
เพิ่มประสิทธิภาพพารามิเตอร์แบบ GP เป็นวิวัฒนาการ
ขั้นตอนวิธีการในการที่ประชากรทางพันธุกรรมประกอบด้วยคอมพิวเตอร์
โปรแกรมขนาดแตกต่างกันและรูปทรง แจง
ต้นไม้แทนโปรแกรมคอมพิวเตอร์ โปรแกรมเหล่านี้ต่อมาได้
รับการประเมินโดยวิธีการ "ออกกำลังกาย" ฟังก์ชั่น โปรแกรมช่างฟิต
จะถูกเลือกสำหรับการรวมตัวกันโดยใช้เลขคณิตและตรรกะประกอบการ
(เช่นครอสโอเวอร์กลายพันธุ์และการทำสำเนา) เพื่อที่จะ
สร้างคนรุ่นต่อไป ขั้นตอนนี้ซ้ำสำหรับคนรุ่นอย่างต่อเนื่อง
จนกว่าจะถึงเกณฑ์การเลิกจ้างได้รับความพึงพอใจ วิวัฒนาการที่แตกต่างกันเป็นขั้นตอนวิธีวิวัฒนาการการออกแบบ
สำหรับการเพิ่มประสิทธิภาพพารามิเตอร์ซึ่งสารสกัดจาก
ข้อมูลค่า (เช่นระยะทางและทิศทางที่จะดีที่สุดทั่วโลก)
จากประชากรในปัจจุบันของการแก้ปัญหาเพื่อเป็นแนวทางในการค้นหา
สำหรับโลกสูงสุด มันสามารถ outcompete การเพิ่มประสิทธิภาพอื่น ๆ
วิธีการในการบรรจบความเร็วและความทนทาน โดยเปรียบเทียบ
กับขั้นตอนวิธีการเพิ่มประสิทธิภาพการชุมนุมว่า DE สามารถทำให้มันเป็น
รูปแบบการจัดการตนเองและไม่ได้ขึ้นอยู่กับความน่าจะเพิ่มเติม
การกระจาย

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้ได้ทำการศึกษาการใช้ไฮบริดขั้นตอนวิธีวิวัฒนาการซึ่งได้ถูกใช้ก่อนหน้านี้สำหรับแบบจำลองพยากรณ์การเจริญเติบโตของไซยาโนแบคทีเรียในความหลากหลายของทะเลสาบและแม่น้ำทั่วโลก ขั้นตอนวิธีนี้ถูกออกแบบการวิวัฒนาการในช่วงเวลาปรับปรุงฟิตเนสระหว่างผลแบบและการสังเกต โดยรวม ( GP ) สำหรับการโปรแกรมเชิงพันธุกรรมแบบโครงสร้างและแบบวิวัฒนาการ ( de )การปรับพารามิเตอร์ของแบบจำลอง GP เป็นวิวัฒนาการอัลกอริทึมซึ่งในทางพันธุศาสตร์ประชากรประกอบด้วยคอมพิวเตอร์โปรแกรมของรูปร่างและขนาดแตกต่างกัน แยกต้นไม้เป็นตัวแทนของโปรแกรมคอมพิวเตอร์ โปรแกรมเหล่านี้ในภายหลังการประเมินโดยใช้ฟังก์ชัน " ฟิตเนส " โครงการวิศวกรรมเครื่องกลจะถูกเลือกสำหรับการใช้เครื่องหมายคณิตศาสตร์และตรรกะ( เช่น crossover การกลายพันธุ์และการสืบพันธุ์ ) เพื่อสร้างรุ่นต่อไป ขั้นตอนนี้ซ้ำสำหรับต่อเนื่องรุ่นจนกว่าจะยกเลิกเกณฑ์ได้รับความพึงพอใจ วิวัฒนาการความแตกต่างขั้นตอนวิธีวิวัฒนาการการออกแบบสำหรับการเพิ่มประสิทธิภาพของพารามิเตอร์ ซึ่งสารสกัดจากข้อมูลต่างกัน ( เช่น ระยะทางและทิศทางของโลกสูงสุด )จากปัจจุบันประชากรของโซลูชั่นการแนะนำการค้นหาสำหรับโลกที่เหมาะสม มันสามารถ outcompete เพิ่มประสิทธิภาพอื่น ๆวิธีการความเร็วในการลู่เข้าและความ . โดยการเปรียบเทียบกับขั้นตอนวิธีการเพิ่มประสิทธิภาพทั่วไป อาจทำให้ เดอโครงการจัดตัวเองและไม่ได้ขึ้นอยู่กับความน่าจะเป็นเพิ่มเติมการแจกแจง .