میترا هاشمی - دانشکده برق رایانه و فناوری اطلاعات دانشگاه آزاد اسلامی قزوین

برای مسائل بهینه سازی پویا تابع شایستگی متغیرهای طرح و یا شرایط محیطی ممکن است درطول زمان به دلایل مختلفی تغییر کند پویایی متفاوتی براساس مشخصه های محیطی همانند فرکانس شدت قابلیت پیش بینی و تکراری بودن تغییرات و روشهای بهینه سازی متفاوتی برای آنها وجود دارد الگوریتم های تکاملی اساسا از تکامل طبیعی الهام می گیرند و در طبیعت محیطهای پویای در حال تغییر اتفاق می افتد چالشی که اینجا وجود دارد این است که الگوریتم های تکاملی کلاسیک نمی توانند بدلیل همگرایی و کاهش تنوع به خوبی با محیط درحالتغییر تطبیق یابند روشهایی برای توسعه همانند حفظ تنوع در طول اجرای از طریق روش مهاجران تصادفی افزایش تنوع بعد از ایجاد یک تغییر استفاده از روش حافظه و چند جمعیتی برای حل مشکل به وجود آمده است. دراین مقاله روش ترکیبی الگوریتم ژنتیک با حافظه دو جمعیت مهاجران تصادفی و شروع مجدد برروی مهمترین مسئله محک محیط پویا، پیکهای متغیر، اعمال و ملاحظه می گردد که همانند تاثیر آن برروی مسئله ماکسیمم یک باعث بهبود عملکرد بر روی پیکهای متغیر نسبت به روشهای دیگر می گردد نتایج بیانگر کارایی الگوریتم مفروض برروی مسئله ماکسیمم تعداد یک پورا و بخصوص مسئله پیکهای متغیر است.

الگوریتم تکاملی ، محیط پویا، تنوع، روش مبتنی برحافظه، شروع مجدد، مهاجران تصادفی ، الگوریتم ژنتیک مبتنی بر حافظه و چند جمعیتی