·192 智能系 统学报 第4卷 方面都进行了有效的改进.但是需要引入额外的机 2.2有环境动态检测操作 制或者参数，来控制种群间的分布，以维持种群间的 有很多方法被设计用来测量描述环境的动态变 多样性，这无疑在算法中引入了新的待调整参数.此 化，而后算法针对该变化做出自己的调整和响应.这 外在考虑多种群思路的同时，应该充分的考虑到计 些方法大多数都是建立在在环境变化是已知的假设 算的复杂性.S0的魅力之一就是其简单而高效的 上，或环境变化至少是可观和可测的，比如可以通过 性能，如果算法过于复杂，就失去了P$0原本的特 重新计算目标函数值来反应.一种比较普遍的描述 色.另一个原因是，算法采用的个体过多，计算过于 环境变化方法是通过计算一个或一些点的适应值， 复杂的话，对于同样的问题在同样的计算时间和消 然后通过同前一时刻的适应值进行比较得到， 耗下，如果采用经过简单的Monte Carlo抽样都可以 Carlisle[6)在搜索空间中随机选择一个点作为 遍历很大的解空间，甚至有可能找到满意的解，那么 环境变化量测点，而且当且仅当它的适应值变化超 就失去了启发式优化方法自身的优势， 过一个设定的范围时，算法才对此做出相应调整. 2环境变化检测方法 Carlisle'6,90提出了多种形式的“岗哨”PS0(sentry PS0,SPS0).顾名思义，“岗哨”粒子意味一种对动 PS0已有的研究表明，PS0对静态环境和动态 态环境带有监督和监控的PS0方法.该方法在搜索 环境的最优化问题均有较好的效果.它能快速收敛 空间中选择一个或者多个特定的点，这些点可以是 到最优值，但往往也付出了多样性丢失的代价，因而 固定的或者遵循某一分布的随机的点，在每次迭代 算法容易提前收敛到局部最优.在优化进化过程中， 中将自己的适应值与历史适应值比较，从而对环境 个体粒子参考群体最优粒子来搜寻目标并趋向于收 变化进行检测.在文献[31]中，Veeramachaneni也同 敛.因此，对于一个损失了多样性的群体而言，如果 样采用的是这种方法，并将这种动态P$0方法应用 没有有效的策略去增加群体的多样的话，传统的 于信息融合.Pan78]也将固定的“岗哨”粒子作为 P$0方法很难对外界环境变化做出有效的反应，并 SCEPSO和PSOwSA算法对动态环境的检测点， 难于重新启动对新环境的探索过程.因此，目前的研 与随机选择一个点的方法不同，H山通过选择 究中，一类方法是在优化过程中采用某些机制来定 群体最优粒子g来作为检测点.综合文献[6,9]， 期判断动态环境变化， Mullen6一方面使用ge作为探测点，另一方面设 2.1无环境动态检测方法 定一个阚值来减小存在于动态定价问题中的噪声的 对于保持种群的多样性研究的一个出发点就是， 影响.Blackwel2选择每个种群中的量子粒子作为 在整个算法计算过程中采用某种机制保持群体的多 探测点.协同进化群优化方法CE$0中，通过重新计 样性，以便使粒子对环境改变做出自适应调整.这种 算第一个子群CRDE的最优个体的目标函数值来探 思路主要的优点在于不需要对探测环境改变做特定 测动态系统的变化].Bid别的方法是对于 的操作，而在算法事先的设计中引入一些机制，使群 冯·诺依曼邻域模型PS0,则监测前5个最优粒子 体在优化过程中始终能保持一定的多样性2，).它 的pet,对于种群PS0(species--based PS0)则记录前 适合于目标函数是连续的小范围变化情况， 5个最优子群中最优个体的P·文献[25]采用的 另外一类不采用检测操作的方法，采用周期的 也是这个策略，Wag]在每个迭代周期内检测每 动态环境响应和多样性激发的策略.Carlisle)使用 个种群的群体最优粒子，来判断是否发生动态变化， 的自适应PS0(adaptive PS0,APS0)中，在经过一定 对于基于种群类的方法，另一种检测方法[2是在每 的周期后，响应动态环境的操作将被激发，这暗示着 个迭代周期里，对每一个P在它们原来的位置上 虽然这种方法对环境不进行监测：但是默认经过一 重新计算每一个粒子的pt适应值.IAPSO将所有 定周期后，环境是有可能产生变化了，而且必须进行 粒子都作为检测点，每个周期所有粒子都要进行一 响应操作，以激发群体多样性.Esquive心l1提出的 次适应度函数计算， hybrid PS0算法假设已知环境的周期性动态变化， 对于无特定环境动态检测的方法多基于一定的 并对这个周期进行相应的检测.在文献[9]中，检测 假设条件，进而设计动态相应策略；但这一类方法的 群体最优粒子g和次优粒子的适应值在20个周 前提是算法对环境的动态变化规律的假设接近实际 期内是否没有改变，如果没有改变则激发响应操作. 的环境变化规律，或者其差别在可接受的范围之内 和这种方法类似的是文献[15]中的方法，它采用监 否则优化的进程就不能充分相应和跟踪系统的变 测群体最优粒子g在20步内是否改变的方法， 化，而失去了动态优化的意义，因此这种方法对问题