|
关注：1
2013-05-23 12:21
求翻译：The experiments presented in this paper confirm the power of Genetic Algorithms(GAs) for solving multi-criterion optimization problems. Most importantly, unlike various learning techniques, GA can gradually evolve the control system of an autonomous robot by exploiting the variations in the interactions between the env是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
The experiments presented in this paper confirm the power of Genetic Algorithms(GAs) for solving multi-criterion optimization problems. Most importantly, unlike various learning techniques, GA can gradually evolve the control system of an autonomous robot by exploiting the variations in the interactions between the env
问题补充： |
|
2013-05-23 12:21:38
本文介绍了实验，证实了遗传算法的电力（气），为解决多标准优化问题。最重要的是，不同于各种学习技巧，GA可以逐渐演变自主机器人的控制系统，利用环境和机器人本身之间的相互作用的变化。这使得有可能适用于它们的形状，也不是解决方案的大小既不是在事先知道的问题。
|
|
2013-05-23 12:23:18
本文提出的确认的实验的电源的遗传算法(气体),解决多项标准优化问题。 最重要的是,不同于各种学习技巧,ga可以逐步转化的自主机器人的控制系统的的变化,利用之间的相互作用的环境和机械手本身。 这使我们有可能把它们应用到问题在这两个案例中,形状和大小的解决方案都是事先知道的。
|
|
2013-05-23 12:24:58
在本文提出的实验证实基因算法(气体的)力量为解决multi-criterion优化问题。 最重要，不同于各种各样的学习技术， GA可能通过利用在互作用上的变化逐渐演变一个自治机器人的控制系统环境和机器人之间。 这使成为可能应用他们于问题，形状和解答的大小事先不被知道。
|
|
2013-05-23 12:26:38
在本文介绍的实验确认求解多目标优化问题的遗传 Algorithms(GAs) 的力量。最重要的是，与各种学习技术、 不同遗传算法可以逐渐演化自主机器人的控制的系统通过利用变化的环境和机器人本身之间的相互作用。这样就可以将它们应用于问题形状和大小的解决方案都不在事先知道。
|
|
2013-05-23 12:28:18
试验在这篇文章中存在为了解决多标准优化问题确认 Genetic Algorithms(GAs) 的力量。最重要的是，不象各种学习技术， GA 逐渐地通过在环境和机器人本身之间的互动中利用变化程度可以发展一个自治机器人的控制系统。这使之变得可行将他们应用到问题哪里没有一个形状也没有解决方案的大小提前被知道。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
