动态环境下基于可变记忆的进化算法

作     者：关守平 尹晓峰 GUAN Shou-ping;YIN Xiao-feng

作者机构：东北大学信息科学与工程学院辽宁沈阳110819 

出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))

年 卷 期：2011年第32卷第6期

页      面：777-780页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(60974070) 

主　　题：动态优化 进化算法 记忆 多样性 

摘      要：常规基于记忆的进化算法在动态环境中往往达不到期望的效果,这主要是由于记忆体大小的限制.为此提出了动态环境下基于可变记忆的进化算法(IMEEA),其核心思想是算法中拥有两个种群,即搜索种群和记忆种群,同时采用过度变异策略来增加种群的多样性.算法中的两个种群有最小和最大的允许长度,并且种群的大小根据进化过程的进行而不断变化.仿真结果表明,在动态环境中IMEEA算法的跟踪误差要小于常规的记忆提高进化算法(MEEA),从而证明了所提算法的有效性.