动态环境中的Memetic算法  

Memetic algorithms in dynamic environments

作　　者：王洪峰[1] 汪定伟[1] 黄敏[1] 

机构地区：[1]东北大学信息科学与工程学院

出　　处：《控制理论与应用》2010年第8期1060-1068,共9页Control Theory & Applications

基　　金：国家自然科学基金资助项目(70931001,70771021,70671020);国家创新研究群体科学基金资助项目(60821063);中央高校基本科研业务费专项资金资助(N090404020);教育部博士点新教师基金资助项目(200801451053)

摘　　要：针对近几年在进化计算领域被广泛关注的动态优化问题，提出了一种基于粒子群优化（PSO）的Memetic算法．在一种环状拓扑结构的局部PSO模型中，利用模糊认知局域搜索策略来改善部分粒子的质量，同时引入一种自组织随机移民策略来保持算法的种群多样性．通过对一组标准动态测试问题的仿真实验，能够证明所提出的算法在动态环境中的有效性和适应能力．Based on particle swarm optimization（PSO）, we propose a memetic algorithm for solving dynamic optimization problems which are widely concemed from the evolutionary computation community. In this algorithm, a fuzzy cognition local search method is employed for improving the quality of individuals and a self-organized random immigrant scheme is used to further enhance the exploration capacity in a local version of PSO with a ring-shape topology struc- ture. Experimental study over a series of dynamic test benchmark problems shows that the proposed PSO-based Memetic algorithm is robust and adaptable in the dynamic environments.

关 键 词：MEMETIC算法 粒子群优化算法 局域搜索 动态优化问题 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]