动态环境下基于可变记忆的进化算法
来源期刊：东北大学学报(自然科学版)2011年第6期
论文作者：关守平 尹晓峰
文章页码：777 - 780
关键词：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.
关守平，尹晓峰
东北大学信息科学与工程学院
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.
关键词：动态优化;进化算法;记忆;多样性;
