动态环境下的元胞遗传算法

大量工程应用需要解决动态环境下的优化问题，但是目前的理论体系还不完善，远不能满足实际需要。本项目拟对动态进化环境进行研究，建立其数学模型。在此基础上研究动态环境下元胞遗传算法的拓扑结构构建理论，建立元胞遗传算法的算法模型和相应的遗传算子。研究建立适合于动态环境的元胞遗传算法相关理论，包括元胞演化规则、元胞遗传个体繁殖规则、元胞遗传种群为适应环境变化的突变机制等元胞遗传算法与动态环境的相互作用机制。模拟自然界生物的定居和迁移现象，为元胞遗传个体设立迁移运动，研究建立遗传个体在元胞网格中的迁移规律和迁移过程中个体碰撞规律，更加真实地模拟自然界生物在抢占同一栖息地时的进化规律。分析元胞遗传算法的收敛性、动态环境下遗传算法的性能评价规范和评价方法。从而建立动态环境下元胞遗传算法的理论体系和应用示例，建立元胞遗传算法随环境变化的自适应寻优能力，并且拓展其在实际工程中的应用范围。

在现实世界中绝大多数的优化问题都是动态的，会随着时间而发生变化。但是当前进化优化算法的研究多将对象近似为静态问题处理，难以适应动态环境下的优化问题求解。为了解决这些动态环境下的复杂优化问题，本项目在研究元胞遗传个体的邻域相互作用机制、元胞演化机制和元胞个体多样性保持机制的基础上，建立动态环境下元胞遗传算法的模型和相应的遗传算子。建立噪声动态模型与不同复杂度的动态模型，并研究动态环境下元胞遗传算法性能评价方法；研究动态环境下进化个体的演化规则，建立满足个体密度分布多样性原则的演化规则、捕食—被捕食原则的元胞演化规则；研究遗传个体与动态环境的相互作用机制，并构建处理动态优化问题的记忆策略与预测机制；研究元胞遗传算法灾变机制与迁移策略，分析移民策略对具有灾变机制元胞遗传算法的影响，研究元胞遗传算法的选择压力变化规律；基于吸收态Markov模型对动态环境下元胞遗传算法收敛性分析，提出噪声环境下优胜劣汰遗传算法的首达最优解期望时间的估算方法，并利用元胞遗传算法解决夹具布置优化问题以及机器人路径规划问题。