الگوریتم تکاملی تکمیلی جدید مبتنی بر جستجوی سراسری و محلی برای بهینه سازی مسائل پویا

در الگوریتم پیشنهادی SGALS از یک الگوریتم ژنتیک بتا جهش وفقی استفاده شده ، جهش وفقی باعث می شود وقتی جمعیت به سمت همگرایی و یکنواخت شدن و کاهش تنوع حرکت می کند با ایجاد جهش در افراد انتخابی باعث افزایش تنوع گردد و هم چنین باعث افزایش توانایی مکاشفه و جستجوی نواحی ناشناخته از فضای جستجو می گردد و به نوعی توانایی مکاشفه الگوریتم را افزایش می یابد . بعد از انجام عملیات مورد نظر مربوط به الگوریتم ژنتیک تطبیقی بهترین فرد (فرد با خطای برون خطی کمتر) جمعیت بدست آمده و یک جستجوی محلی تپه نوردی در اطراف بهترین فرد انجام می دهیم زیرا جستجوی سراسری نمی تواند ناحیه مناسبی برای جواب بدون استفاده از جستجوی محلی بدست آورد. در این مقاله روش ترکیبی بر روی مهمترین مسئله محک محیط پویا ، پیکهای متغیر، اعمال و ملاحظه می گردد که باعث بهبود عملکرد بر روی مسئله قلههای متحرک نسبت به روشهای دیگر میگردد. نتایج بیانگر کارایی الگوریتم مفروض بر روی مسئله قله های متحرک در مقایسه با الگوریتمهای پایه ای و ترکیبی مطرح در سالهای اخیر است

Keywords:

الگوریتم تکاملی , محیط پویا , جهش وفقی , جستجوی محلی , مسئله محک قله های متحرک