1. 遺傳演算法的外文翻譯，這只是一部分，希望哪個高手幫小弟翻譯下的
源語言： 英語
抽象
最近的研究表明，信息檢索性能的顯著改善，
實現相結合的多種表示形式的信息需求。本文提出了一種遺傳
方法從多個查詢評價相結合的結果。遺傳演算法的目的是優化
估計的總體相關的文件空間探索不同的方向。我們調查
適當的技術相結合，提高效益的遺傳勘探和方法
啟發式遺傳理論在紅外領域。事實上，這種方法使用了一個小生境技術來解決
相關多模態問題，相關反饋技術來進行基因轉換
查詢配方和演化啟發式，以改善的收斂條件
遺傳過程。的全球方法的效果比較檢索結果證明
由遺傳多個查詢的評價和經典單查詢上進行評價
TREC-4的子集，使用美居IRS。此外，實驗結果表明的正面效果。
各種技術集成到我們的遺傳演算法模型。
？2002年Elsevier科學有限公司。保留所有權利。關鍵詞：信息檢索，遺傳演算法，相關反饋
2. 遺傳演算法工具箱的具體使用
matlab遺傳演算法工具箱函數及實例講解 核心函數：
(1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始種群的生成函數
【輸出參數】
pop--生成的初始種群
【輸入參數】
num--種群中的個體數目
bounds--代表變數的上下界的矩陣
eevalFN--適應度函數
eevalOps--傳遞給適應度函數的參數
options--選擇編碼形式(浮點編碼或是二進制編碼)[precision F_or_B],如
precision--變數進行二進制編碼時指定的精度
F_or_B--為1時選擇浮點編碼，否則為二進制編碼,由precision指定精度)
(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,...
termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遺傳演算法函數
【輸出參數】
x--求得的最優解
endPop--最終得到的種群
bPop--最優種群的一個搜索軌跡
【輸入參數】
bounds--代表變數上下界的矩陣
evalFN--適應度函數
evalOps--傳遞給適應度函數的參數
startPop-初始種群
opts[epsilon prob_ops display]--opts(1:2)等同於initializega的options參數，第三個參數控制是否輸出，一般為0。如[1e-6 1 0]
termFN--終止函數的名稱,如['maxGenTerm']
termOps--傳遞個終止函數的參數,如[100]
selectFN--選擇函數的名稱,如['normGeomSelect']
selectOps--傳遞個選擇函數的參數,如[0.08]
xOverFNs--交叉函數名稱表，以空格分開，如['arithXover heuristicXover simpleXover']
xOverOps--傳遞給交叉函數的參數表，如[2 0;2 3;2 0]
mutFNs--變異函數表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation']
mutOps--傳遞給交叉函數的參數表,如[4 0 0;6 100 3;4 100 3;4 0 0]
【問題】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0<=x<=9
【分析】選擇二進制編碼，種群中的個體數目為10，二進制編碼長度為20，交叉概率為0.95,變異概率為0.08
【程序清單】
%編寫目標函數
function[sol,eval]=fitness(sol,options)
x=sol(1);
eval=x+10*sin(5*x)+7*cos(4*x);
%把上述函數存儲為fitness.m文件並放在工作目錄下
initPop=initializega(10,[0 9],'fitness');%生成初始種群，大小為10
[x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',...
[0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遺傳迭代
運算借過為：x =
7.8562 24.8553(當x為7.8562時，f（x）取最大值24.8553)
註：遺傳演算法一般用來取得近似最優解，而不是最優解。
遺傳演算法實例2
【問題】在－5<=Xi<=5,i=1,2區間內，求解
f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。
【分析】種群大小10，最大代數1000，變異率0.1,交叉率0.3
【程序清單】
％源函數的matlab代碼
function [eval]=f(sol)
numv=size(sol,2);
x=sol(1:numv);
eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282;
%適應度函數的matlab代碼
function [sol,eval]=fitness(sol,options)
numv=size(sol,2)-1;
x=sol(1:numv);
eval=f(x);
eval=-eval;
%遺傳演算法的matlab代碼
bounds=ones(2,1)*[-5 5];
[p,endPop,bestSols,trace]=ga(bounds,'fitness')
註：前兩個文件存儲為m文件並放在工作目錄下，運行結果為
p =
0.0000 -0.0000 0.0055
大家可以直接繪出f(x)的圖形來大概看看f（x）的最值是多少，也可是使用優化函數來驗證。matlab命令行執行命令：
fplot('x+10*sin(5*x)+7*cos(4*x)',[0,9])
3. 求matlab遺傳演算法工具箱GA Toolbox。。並求解釋如下
GA自己寫一個就好了，也挺簡單的。
雖然很多函數都能知道表達式，但是仍然版有很多函數不能用倒權數來求解，所以要知道空間的極值和最值就必須用遍歷的方法。然而對於實數范圍內或者大規模數據的離散數據情況下，遍歷畫圖的方法會耗費很大的計算復雜度，因為你並不知道是在參數范圍的邊緣還是中間有最值，有多少個最值也不知道。GA就提供了一種基於種群的搜索優化方法，可以快速的收斂到優秀的解的個體，但是要防止陷入局部最優。
簡而言之就是遍歷的搜索方法要用時10小時完成的事情，GA快速優化可能1分鍾或者10分鍾搞定，佔用內存也少。
4. 遺傳演算法工具箱是什麼
遺傳工具箱是MATLAB中的一個工具，主要是用來求解優化問題的
5. matlab7.1遺傳演算法自帶工具箱和sheffield大學的遺傳演算法工具箱（gatbx）各有何特點哪個好些
只用過抄MATLAB的遺傳工具箱，速度還可以襲（比一般自己寫的C++要好些）。和其它程序結合的話，先編一個options的結構體，設定好參數（非常重要，特別是初始范圍），然後在調用ga()函數，就可以了。沒有工具箱的界面，但乾的活是一樣的。 我曾用它描過一個函數，函數值是當某些參數去到最優時的參數值。通過嵌套一個循環，每次改變一點參數做一次優化，就可以描出一條曲線來。
6. matlab遺傳演算法工具箱里用的是哪種遺傳演算法
是Matrix Laboratory公司自己聘人做出來的，就是最標準的遺傳演算法
不是版那種什麼神經網路遺傳演算法，也權不是什麼遺傳退火演算法。
如果你自己有這類混雜演算法的工具箱，只能自己去下載第三方的工具箱，當然前提是有人編過
英國謝菲爾德大學有一套自己的遺傳演算法工具箱，比MATLAB默認功能強大一些，但是相對難用
如果你不是有什麼特殊的需求，默認的已經夠了
7. 急求外文翻譯文獻 關於遺傳演算法或者組卷系統的
Genetic algorithm compared to nonlinear optimization
作者：Heng Li1, Peter E.D. Love2 and Stephen Ogunlana3
8頁，請發郵件到[email protected]我發給你。
我的英文水平我自己都不敢恭維，你可以下載一個有道桌面字典輔助你來翻譯。
8. 急求遺傳演算法外文文獻
童鞋你好！
這個估計需要自己搜索了！
網上基本很難找到免費給你服務的！
我在這里給你點搜索國際上常用的外文資料庫：
----------------------------------------------------------
⑴ISI web of knowledge Engineering Village2
⑵Elsevier SDOL資料庫 IEEE/IEE(IEL)
⑶EBSCOhost RSC英國皇家化學學會
⑷ACM美國計算機學會 ASCE美國土木工程師學會
⑸Springer電子期刊 WorldSciNet電子期刊全文庫
⑹Nature周刊 NetLibrary電子圖書
⑺ProQuest學位論文全文資料庫
⑻國道外文專題資料庫 CALIS西文期刊目次資料庫
⑼推薦使用ISI web of knowledge Engineering Village2
-----------------------------------------------------------
中文翻譯得自己做了，實在不成就谷歌翻譯。
弄完之後，自己閱讀幾遍弄順了就成啦！
學校以及老師都不會看這個東西的！
外文翻譯不是論文的主要內容！
所以，很容易過去的！
祝你好運！
9. matlab 遺傳演算法工具箱怎麼用
推薦用shefiled的GA工具箱，裡面的子函數寫的很好，調用很方便。 配合一本gA的書內 學的很快；
另外 關於你這容個問題， 你的目標函數和約束函數是否在工作目錄下，還有 在調用的時候 在函數名前面加@試試， 希望能幫到你