動態(tài)環(huán)境下的元胞遺傳算法研究.pdf

1、最初，標準遺傳算法（Standard Genetic Algorithm簡稱SGA）廣泛應用于靜態(tài)優(yōu)化問題中，取得了很好的求解效果，但現(xiàn)實生活中很多問題往往是非靜態(tài)的。我們所處的環(huán)境也會時間的變化而變化，典型的例子有城市交通的控制問題、資本投資的優(yōu)化組合問題等等，這類問題中的最優(yōu)解在不同時刻之間發(fā)生著變化，當前時刻的最優(yōu)解在下一時刻就不一定是最優(yōu)解，為了搜索到最優(yōu)解，這就要求優(yōu)化算法不僅僅能快速有效地尋找到最優(yōu)解，更為重要的是要求算法能

2、適應動態(tài)的環(huán)境，更有效地追蹤到一系列最優(yōu)解的動態(tài)軌跡。因此，將遺傳算法應用到動態(tài)環(huán)境中，研究算法有效地適應環(huán)境，跟蹤動態(tài)變化的最優(yōu)解的能力，具有一定的學術(shù)意義和現(xiàn)實指導性。
　　自然進化過程中，個體的分布具有空間結(jié)構(gòu)性，局部區(qū)域內(nèi)的個體之間存在一定程度的相互作用，它們之間可能因為局部環(huán)境內(nèi)資源的匱乏、環(huán)境的惡化等因素，發(fā)生激烈生存競爭、相互影響的現(xiàn)象。同時，在動態(tài)環(huán)境中，進化中的局部個體會偶爾經(jīng)歷突然發(fā)生的自然災害（如地震、水災、

3、瘟疫等），災害能在一定范圍內(nèi)影響物種的進化，導致物種的滅絕或者物種的優(yōu)化。為了能更逼真地模擬動態(tài)的自然界，基于元胞自動機的空間結(jié)構(gòu)性，結(jié)合遺傳算法，通過引入災難的方式，研究災難的發(fā)生對變化環(huán)境中種群進化的影響。
　　本文基于動態(tài)環(huán)境研究遺傳算法優(yōu)化問題，主要包括以下幾個方面的工作：
　　1）研究了基于元胞自動機的遺傳算法——元胞遺傳算法（CGA）在動態(tài)函數(shù)優(yōu)化問題上的性能表現(xiàn)。選用移動峰測試函數(shù)，呈現(xiàn)了CGA對變化環(huán)境中最優(yōu)

4、解的追蹤性能，較SGA算法性能更優(yōu)越，并針對不同演化規(guī)則的CGA進行了算法性能方面的實驗仿真。
　　2）種群只有在保持一定的多樣性的基礎上才能進化，保持種群多樣性，是避免算法出現(xiàn)過早收斂，陷入局部最優(yōu)的有效措施之一。本文研究動態(tài)環(huán)境下，基于種群多樣性的角度出發(fā)，提出一種改進算法，通過引入災難的方式，設計了一種動態(tài)環(huán)境下基于種群多樣性引入災難的元胞遺傳算法——DDCGA，并對算法的性能同CGA、SGA進行了分析比較。在實驗仿真中，改