الگوریتم ژنتیک وفقی برای بهینه سازی مسائل پویا

برای مسائل بهینه سازی پویا ، تابع شایستگی ، متغیرهای طرح و یا شرایط محیطی ممکن است که درطول زمان به دلایل مختلفی تغییر کند. تمام محیط های پویا هم ارز نیستند و پویایی متفاوتی بر اساسمشخصه های محیطی همانند فرکانس، شدت، قابلیت پیش بینی و تکراری بودن تغییرات و روش هایبهینه سازی متفاوتی برای آنها وجود دا رد. الگو یتم های تکاملی اساساً از تکامل طبیعی الهام میگیرند و در طبیعت محیط های پویای در حال تغییر اتفاق می افتد. چالشی که اینجا وجود دا رد ایناست که الگو یتم های تکاملی کلاسیک نمی توانند بدلیل همگرایی و کاهش تنوع به خوبی با محیطدر حال تغییر تطبیق یابند. در الگوریتم مورد نظر هدف حل مسئله معروف قله های متحرک است کهمهمترین مسئله مطرح در محیط های پویا و با قابلیت تنظیم شدت و فرکانس تغییرات می باشد. درالگو یتم پیشنهاری (SGALS) از یک الگو یتم ژنتیک با جهش وفقی استفاده شده است. جهشوفقی باعث می شود وقتی جستجوی به سمت همگرایی و یکنواخت شدن و کاهش تنوع حرکت میکند با ایجاد جهش در افراد انتخابی باعث افزایش تنوع گردد. و هم چنین باعث افزایش تواناییمکاشفه و جستجوی نواحی ناشناخته از فضای جستجو می گردد و به نوعی توانایی مکاشفه الگوریتمافزایش می یابد. در الگوریتم پیشنهادی بدلیل ایجاد تعامل مناسب بین جستجوی سراسری توسطالگوریتم ژنتیک با جهش وفقی و جستجوی محلی توسط تپه نوری باعث ایجاد تعادل بین دو مفهوماساسی الگوریتم های تکاملی، مکاشفه و بهره بررداری از تجربیات قبلی که در محیط های پویا نیزدارای اهمیت است می شود.

کلیدواژه ها:

الگو یتم تکاملی ، الگو یتم ژنتیک ، جهش وفقی ، جستجوی محلی ، تپه نوردی ، مسائل پویا ، پیک های متغییر