基于记忆策略的动态离子运动优化算法

针对动态优化问题求解时普遍存在的多样性保持不够、寻优能力不足等问题,提出了一种基于记忆策略的动态离子运动优化算法。该算法引入了全局最优个体和斥力的作用,改进了固体阶段的启动条件和更新方式;提出了根据概率选取存储记忆个体,构建正、反向记忆种群;依据余弦相似度排序规则,利用正、反向记忆种群更新进化种群,加快进化种群跟踪最优解的能力;并提出基于余弦相似度排序的环境变化后增加种群多样性的方法。将本文算法与近年效果较好的4种动态优化算法在国际上通用的动态测试函数DF1和MPB移动峰问题上进行测试,仿真结果表明,本文算法在求解精度、收敛速度及稳定性上都优于其他对比算法。