MétaCan
Menu
Retour à la cohorte
Enregistrement W7014944237

REVIEW OF MODERN USE OF GENETIC AND EVOLUTIONARY ALGORITHMS. STRATEGIES, POSSIBILITIES (REVIEW ARTICLE)

2022· article· uk· W7014944237 sur OpenAlexaff

Notice bibliographique

RevueThe Scientific Issues of Ternopil Volodymyr Hnatiuk National Pedagogical University Series pedagogy · 2022
Typearticle
Langueuk
DomaineEngineering
ThématiqueMechanics and Biomechanics Studies
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésRelevance (law)Adaptation (eye)Key (lock)Artificial neural networkEvolutionary algorithmGenetic algorithm
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Modern trends in the optimal and rational design of technical objects cross a large number of directions of their implementation. One of the interesting and promising directions is genetic and evolutionary algorithms (GА and EA). Authors promote the use of GА and EA as a tool for solving problems of optimal and rational design of complex mechanical systems. The relevance of highlighting modern methods, approaches and strategies for the implementation of GА and EA is described, as well as consideration of their applied implementation, which makes it possible to identify interesting directions of research that, with further adaptation or modifications, can be used to solve the problems of optimal and rational design of gearboxes, boxes gears and transmissions. The main general directions of the literature on GА and EA are highlighted, as well as the practical use of GА and EA in: technical and technological activities, physics, construction, water systems, nanotechnologies, analytical and simulation modeling, electrical and electronic systems, modeling of artificial intelligence and neural networks, information technologies, economic theory, administration and management, marketing, sociology, biology and medicine. This made it possible to understand the course of scientific thought on this issue, to determine the advantages and disadvantages of existing directions and approaches, and helped to choose the vector of further scientific thought, to decide on interesting approaches, strategies and methods. Considering certain features of EA, the authors prefer them. And in terms of strategies, hybridization with other methods, maximum saturation of all stages with "randomness" and the possibility of learning (memory organization) of the algorithm similar to neural networks are promising. Keywords: optimal design, research directions, genetic algorithms, evolutionary algorithms

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,529
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,078
Tête enseignante GPT0,305
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Scientific Issues of Ternopil Volodymyr Hnatiuk National Pedagogical University Series pedagogyMême sujetMechanics and Biomechanics StudiesTravaux en français237 207