用基于族群的方法求解動態(tài)優(yōu)化問題.pdf

1、與一般的優(yōu)化問題相比，動態(tài)優(yōu)化問題的特點是問題的狀態(tài)（目標函數(shù)、約束條件）隨時間變化。為了能夠快速地捕捉到環(huán)境的變化，算法需要持續(xù)地定位和追蹤最優(yōu)解的移動。演化算法因其具有群體搜索的特點，適合求解一些復雜的問題，比如動態(tài)優(yōu)化問題。
　　基于族群的方法是一種有效的演化計算技術，已成為動態(tài)優(yōu)化研究領域的熱點之一。基于族群方法的基本思想是，將種群劃分為若干個族群，不同族群在搜索空間的不同區(qū)域同時搜索。由于該方法允許種群同時定位多個最優(yōu)解

2、，因此更容易實現(xiàn)對全局最優(yōu)解的追蹤。
　　本文主要研究使用基于族群的方法求解動態(tài)優(yōu)化問題，研究內(nèi)容主要包括如下兩個方面。
　　(1)提出了一個基于族群與記憶集的混合粒子群優(yōu)化算法。該算法的特點是:用于更新種群的記憶個體的數(shù)量與族群數(shù)量相關并且隨族群數(shù)量自適應地變化;限制每個族群被替換的個體數(shù)量不超過1;對提取的記憶個體分類處理，目的是在改善已有族群搜索能力的同時加強種群對潛在最優(yōu)區(qū)域的搜索。在MPB、CMPB、DRPBG基準

3、問題上對該算法測試并與其它算法進行比較，實驗結果表明該算法是一個有競爭力的動態(tài)優(yōu)化算法。此外，實驗部分還討論了記憶集的大小對結果的影響。
　　(2)提出了一個應用于動態(tài)優(yōu)化的族群劃分方法psfNBC。與基本的Nearest-BetterClustering(NBC)算法相比，該算法的特點是:識別族群種子的過程只涉及部分個體而不是整個種群;種群按照最近種子的原則重新劃分;縮放因子φ使用隨機值而不是固定值。在識別族群種子時，本文提出了