动态环境下一种具有记忆能力的分布估计算法

分布估计算法的概率模型描述了种群优良解的分布，可以被视为优良解集的抽象。根据这个特点，本文以概率模型为基本记忆元素，对动态优化过程中所产生的历史信息进行记忆并在新环境下加以利用，提出一种具有记忆能力的分布估计算法用以求解动态优化问题。设计了基于最佳个体+采样平均环境辨识技术的记忆管理策略，并对种群多样性进行动态补偿。实验结果表明，该算法具有良好的通用性，所采用的多样性补偿策略能够保证算法种群对最优解的持续搜索能力。在对五个动态优化问题的实验中，该算法在绝大多数情况下都显著优于现有的另外两种动态进化算法。