一种求解动态及不确定性优化问题的新方法

摘要

动态和不确定性优化问题,是许多智能优化算法面临的巨大挑战.介绍了一种可求解这类问题的连续动作学习自动机(Continuous-Action Learning Automaton,CALA).该自动机利用一个可变区间作为其动作集,并依照均匀分布方式产生输出动作.根据一个滑动窗口内的最佳的历史动作,对区间的两个端点进行更新.通过两个仿真实验,演示了该算法在时变的随机环境下的优异性能.相对于三种传统的CALA算法,新算法的学习精度、反应速度以及在最坏情况下的行为表现都非常出色.