动态环境下基于马氏链预测和记忆机制的遗传算法-论文.pdf

《动态环境下基于马氏链预测和记忆机制的遗传算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第3期空军预警学院学报Vb1．28NO．32014年6月JournalofAirForceEarlyWamingAcademJun．2014DOI：10．3969~．issn．2095—5839．2014．03．014动态环境下基于马氏链预测和记忆机制的遗传算法陈莉·，张铁毅，徐芳(1．空军预警学院，武汉430019；2空军装备部，北京100038)摘要：传统演化算法在演化过程中种群会逐渐收敛，导致多样性丧失，一旦环境发生变化无法快速跟踪到变化的最优解．为了使演化算法能更好处理动态环境下优化问题，将预测和记忆结合，提出了一种处理

2、有限离散环境状态变化的动态优化问题的遗传算法(MMGA1．该算法使用马氏链预测未来各个环境状态发生的概率，并结合存储在记忆中与环境状态有关的最优个体和等位基因分布向量产生适合未来环境的新种群．通过对动态优化测试问题进行实验，验证了该算法的离线性能优于其他三种经典算法．关键词：遗传算法；动态优化；马氏链预测；记忆机制中图分类号：TP301．6文献标志码：A文章编号：2095—5839(2014)03．0208．05动态优化问题(dynamicoptimizationproblems，未来环境的预测包括预测环境变化的时刻DOPs)是一类目标

3、函数、环境参数、约束条件等和预测环境变化后的状态2个方面．通过对下随时间而变化的优化问题．近年来，将演化算一次环境变化时刻的预测，EA能够确定何时为法应用于动态环境逐渐成为演化计算领域的一即将到来的变化做准备．通过对环境变化后的个研究热点．传统演化算法(evolutionaryalgorithm，状态的预测，EA能提前为预测到的环境状态做EA)在选择压力的作用下，种群逐渐收敛到一准备，产生适合这个状态的种群，从而提高EA个值或一个小的区域，由于多样性的丧失，算法在变化环境下的适应性．失去了探索更多区域的能力，无法适应变化了的1)预测环境

4、变化的时刻环境，不能快速跟踪到变化了的最优解．传统在处理DOPs时，假设EA对所要发生的环EA在解决动态优化问题上面临着巨大挑战，需境的变化都是未知的．那么可以根据过去的发要有新的算法来处理动态环境下的优化问题．生变化时刻的信息，经过某种预测机制预测未来目前利用EA来处理动态优化问题的方法主要有发生变化的时刻．线性回归模型和非线性回环境变化后增加多样性、EA运行过程中始终归模型对下一次环境发生变化的时刻进行了保持多样性、引入记忆机制、多种群和基于预测．本文假定EA对环境变化的时刻是已知预测的方法．这些方法在解决不同类型的动态的，主要研究

5、预测环境变化后的状态，根据环境优化问题上都取得了一定的效果．基于预测的方未来状态产生适当种群．法就是利用环境变化的规律，通过预测未来环境2)预测环境变化后的状态变化的时刻或状态，提前做出决策，提高EA的适假设环境的变化是随机变动的过程，环境应性，防止环境发生变化时算法性能突然减低．状态将不依赖于过去所发生的环境状态，即每一本文提出了一种基于马氏链预测和记忆机制的次环境变化后，都有状态转移的无后效性．因此新的动态优化算法．该算法利用马氏链预测未可以使用马氏链来预测环境变化后的状态．来环境状态，根据未来环境状态的概率分布以及假设马氏链是齐次

6、的，在t时刻状态的分存储在记忆中的各个状态下的好解和好解相联布为s(0)，根据状态转移矩阵P，就可以预测出，的等位基因分布向量产生适合未来环境变化的在下一时刻t状态的分布S(1)=(0，在时刻t新种群，当环境发生变化时，新种群能很好地适时状态分布S(21=s0)P，以此类推，在k时刻状态应变化了的环境．实验证明该算法具有很好的)分布变为)=S一l=s(o)e．性能，对环境状态变化有较强适应性和鲁棒性．1．2等位基因分布向量和记忆机制在MEGA(memoryenhancedGA)中，使用了1马氏链预测和记忆机制每隔一段时间存储当前最好解到

7、记忆中，以便以1．1基于马氏链的动态环境预测后的环境中重新使用．这种仅存储当前最优个收稿日期：2014—04—10作者简介：陈莉(1976一)，女，讲师，博士，主要从事智能计算、动态优化算法研究第3期陈莉，等：动态环境下基于马氏链预测和记忆机制的遗传算法209体到记忆中的方式为直接记忆方式．率大小相关的一定数量的新的随机个体．这些文献[11]借鉴了分布估计算法(EDA)中根随机个体是通过与这些状态的最优解相关的等据等位基因分布采样生成新种群的思想，提出了位基因概率向量随机采样而产生的，代表了由过一种新的记忆模式——联想记忆模式．存储在去

8、演化得到的相应环境状态下较好的基因物质，记忆中的不仅是最优个体本身，还包括此刻环境使得过去演化的有用信息尽可能地传递到当前下种群的等位基因分布向量．每个记忆点包含种群中．未来环境状态出现的概率越大，新的种，