動態(tài)環(huán)境下進(jìn)化計算的研究.pdf

1、本文針對動態(tài)優(yōu)化問題，以從進(jìn)化計算中尋找有效解決動態(tài)優(yōu)化問題的改進(jìn)、創(chuàng)新方法為研究目標(biāo)，從保持種群多樣性與可進(jìn)化能力、改善個體優(yōu)選機(jī)制、合理重用歷史信息、準(zhǔn)確探測環(huán)境變化、引入生存競爭關(guān)系等方面入手，提出能夠有效地處理動態(tài)優(yōu)化問題的進(jìn)化計算方法。主要研究工作與成果如下：
　　 1)通過保持種群多樣性與可進(jìn)化能力，提高進(jìn)化計算對動態(tài)環(huán)境的適應(yīng)能力。建立動態(tài)環(huán)境下多目標(biāo)化進(jìn)化算法中附加信息的選擇理論，選取個體的多樣性和可進(jìn)化性為附加

2、函數(shù)，提出動態(tài)環(huán)境下的多目標(biāo)化進(jìn)化算法?；趥€體多樣性度量的多目標(biāo)化進(jìn)化算法在多樣性保持、動態(tài)環(huán)境下的跟蹤性能等方面具有良好的算法性能。從個體適應(yīng)值改進(jìn)與基因型差異兩方面對個體可進(jìn)化性進(jìn)行度量并引入到多目標(biāo)化進(jìn)化算法中，前者可以有效地處理微弱變化的動態(tài)優(yōu)化問題，后者在隨機(jī)和劇烈動態(tài)環(huán)境下具有良好的動態(tài)環(huán)境適應(yīng)能力。
　　 2)為縮短種群中個體對動態(tài)環(huán)境的適應(yīng)過程，利用家族優(yōu)生學(xué)來改善動態(tài)環(huán)境下個體的優(yōu)選機(jī)制，提出基于家族優(yōu)生學(xué)的

3、動態(tài)進(jìn)化算法。通過合理選擇父代個體組成家庭來保證全局搜索能力，利用正交設(shè)計技術(shù)合理選擇中間個體，通過種間競爭避免冗余操作并提高種群的多樣性。該方法可在不過于增加計算負(fù)擔(dān)的前提下提高算法的空間搜索能力與多樣性保持能力，有效地適應(yīng)外部環(huán)境的變化。
　　 3)針對動態(tài)環(huán)境下如何合理重用歷史信息的問題，提出將短時記憶與長時記憶相結(jié)合的混合記憶策略，并構(gòu)建動態(tài)環(huán)境下基于混合記憶策略的遺傳算法。該方法在各種復(fù)雜度的動態(tài)環(huán)境下都具有良好的適應(yīng)

4、性能和精確性能。在記憶策略的基礎(chǔ)上，提出動態(tài)環(huán)境下基于預(yù)測機(jī)制的多種群進(jìn)化算法，將預(yù)測機(jī)制引入到動態(tài)進(jìn)化算法的研究中，對算法所得的某些信息進(jìn)行記憶，根據(jù)記憶序列構(gòu)建預(yù)測模型，當(dāng)環(huán)境發(fā)生變化時能夠通過預(yù)測模型對動態(tài)環(huán)境進(jìn)行預(yù)先判斷。實驗表明預(yù)測機(jī)制的引入能夠有效地提高算法對動態(tài)環(huán)境中極值點的跟蹤性能。
　　 4)為了在無歷史信息的情況下對動態(tài)環(huán)境進(jìn)行準(zhǔn)確探測，利用能夠在定性概念與定量數(shù)據(jù)之間進(jìn)行不確定性轉(zhuǎn)換的云模型理論，提出基于Y

5、-條件云模型的云預(yù)測方法。當(dāng)環(huán)境發(fā)生變化時，還可根據(jù)預(yù)測信息通過帶方向的半降云搜索算法對動態(tài)極值點進(jìn)行跟蹤。從云模型中云滴的匯聚特性得到啟發(fā)，構(gòu)建一種云搜索機(jī)制來進(jìn)行局部區(qū)域的搜索操作。提出基于云模型的混合遺傳算法來處理動態(tài)多峰問題，實驗表明該方法具有快速的環(huán)境適應(yīng)能力和高精度的動態(tài)搜索能力。
　　 5)為提高動態(tài)環(huán)境中種群的進(jìn)化質(zhì)量，在元胞遺傳算法的基礎(chǔ)上引入生存競爭關(guān)系，根據(jù)自然界中的捕食-被捕食機(jī)制提出一種捕食策略進(jìn)行元胞