یک الگوریتم CLA-ECهمکارانه جدید برای محیط های پویا

بسیاری از تحقیقات در محاسبات تکاملی روی بهینه سازی مسائل ایستا بحث می کند در حالیکه بسیاری از مسائل بهینه سازی دنیای واقعی پویا هستند و روشهای بهینه سازی نیاز است که قادر باشد بطور پیوسته راه حل را با محیط در حال تغییر وفق دهد. محاسبات تکاملی برپایه اتاماتای یادگیر سلولی CLA-EC یک مدل محاسبات تکاملی است که از ترکیب اتاماتای یادگیر سلولی CLA و مدل محاسبات تکاملی EC به وجود امده است دراین مقاله چهار ورژن از مدل CLA-EC برای یک نوع از مسائل بهینهه سازی پویا که مسئله قله های متحرک نامیده می شود به کار گرفته شده است سپس دو رویکرد جدید معرفی شده است رویکرد اول برپایه حافظه دار کردن مدل CLA-EC است و در دیگری که CLA-EC جستجو /حافظه نامیده می شود از ساختار چند جمعیتی استفاده شده است برای نشان دادن تاثیر CLA-EC معرفی شده نسبت به رویکردهایی که تاکنون برای محیطهایی پویا طراحی شده است دارای دقت بالاتری است.

Keywords:

محاسبات تکاملی , محیطهای پویا , اتاماتای یادگیرسلولی , CLA-EC , مسئله قله های متحرک , CLA-EC جستجو / حافظه