解决非静态优化问题的MEAP算法

演化算法已在传统的静态优化领域显示了惊人的能力,但非静态优化问题更接近于我们的生活。如何将演化算法应用于非静态优化是当前的一个研究热点。本文讨论了几种算法,并提出了一种基于传统演化算法的新算法(MEAP)。这种新算法可以及时得知环境的改变并进行预处理,从而让种群有更多的机会产生优解。测试结果表明,该算法有优良的性能。

基于模式库的遗传算法在非静态函数优化中的应用

本文针对非静态函数优化问题提出了一种基于模式库的改进遗传算法,此算法最主要的特点就是采用模式库来保存算法进行过程中的一些好的模式,这些模式一方面用来组建一些适合环境的优良个体,提高收敛速度,另一方面可以给早熟群体注入新的基因,增加群体的多样性。文中分别就函数优化问题和背包问题给出了改进遗传算法的仿真结果,表明本文算法的有效性。从理论上来说,本文算法适用于多个状态之间的动态变化环境。