动态环境中具有记忆和搜索能力的微粒群算法

摘要

提出了响应环境变化的充分条件--子种群多样性和环境变化前后全局最好解的距离,分析了提出响应依据的原因、必要性及响应依据之间、响应依据和重设之间的关系.使用"记忆"微粒保留环境变化后的有用信息,同时使用"搜索"微粒替换"过时"的微粒,替换的过程即增加种群多样性又充分地利用了之前进化的信息.最后,将其应用于线性变化和随机变化的抛物线函数中,并与Eberhart-PSO和APSO进行了对比,结果表明了该算法的有效性.