میترا هاشمی - دانشگاه آزاد قزوین - دانشکده برق رایانه و فناوری اطلاعات
محمدرضا میبدی - دانشگاه امیرکبیر - دانشکده مهندسی کامپیوتر

برای مسائل بهینه سازی پویا ، تابع شایستگی ، متغیرهای طرح و یا شرایط محیطی ممکن است که در طول زمان به دلایل مختلفی تغییر کند . ژویایی متفاوت بر اساس مشخص های محیطی همانند فرکانس ، شدت ، قابلیت پیش بینی وتکراری بودن تغییرات و روشهای بهینه سازی متفاوتی برای آنها وجود دارد. الگوریتم های تکاملی اساسا از تکامل طبیعی الهامم می گیرند و در طبیعت محیط های 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 در حال تغییر تطبیق یابند. روشهایی برای توسعه همانند حفظ تنوع در طول اجرا 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.در این مقاله روش ترکیبی الگوریتم ژنتیک با حافظه ، دو جمعیت محاجران تصادفی و شروع مجدد بر روی مهمترین مسدله محک محیط پویا ، پیک های متغیر ، اعمال و ملاحظه می گردد که همانند تاثیر آن بر روی مسئله ماکسیمم یک باعث بهبود عمملکرد بر روی پیکهای متغیر نسبت به روشهای دیگر می گردد. نتایج بیانگر کاترایی الگوریتم مفروض بر روی مسئله ماکسیمم تعداد یک پویا و بخصوص مسئله پیکهای متغیر است.

الگوریتم تکاملی ، محیط پویا ، روش مبتنی برا حافظه ، محاجران تصادفی ، الگوریتم ژنتیک مبتنی بر حافظه و چند جمعیتی