摘要
本文在隐马尔可夫链的框架下利用隐马尔可夫链 {Xt∶t∈ [0 ,∞ ) }的观测链的概率分布提出一个连续化遗传算法模型 ,并给出其一个强收敛结果 ,讨论了其离散骨架的性质 .
In the framework of the hidden Markov chain {X_t∶t∈\[0,∞)}, this paper is devoted to develop a model of continuous time genetic algorithms and study its strong convergence in probability, as well as the convergence of its discrete skeleton.
出处
《应用数学》
CSCD
北大核心
2002年第4期23-28,共6页
Mathematica Applicata
基金
安徽省教育厅科研项目基金 ( 2 0 0 0ZJ0 2 )
淮北煤师学院博士科研启动基金资助
关键词
连续时间遗传算法
离散遗传算法
隐马尔可夫链
概率强收敛
离散骨架
Continuous time genetic algorithm
Discrete time genetic algorithm
Hidden Markov chain
Strong convergence in probability
Discrete skeleton
