摘要
粒子滤波(PF)中粒子的选取与保留过程暗含着"优胜劣汰"的特点,因此PF和进化算法(EA)有着相近的仿生学特点,能够很"自然"进行结合。文章针对具有可学习性的非随机动态优化问题,提出一种基于粒子滤波的动态进化算法,使用PF在决策空间中对最优点的变化进行预测以启发进化算法的搜索。提出一种自适应种群多样性控制方法,用以协调EA和PF对算法的影响。使用移动峰(MPB)问题对算法和随机迁移算法(RIGA)进行了对比测试。实验结果表明所提出的算法是正确、有效的,能够更为有效地求解动态优化问题。
- 单位