محمدرضا ایپچی - دانشکده مهندسی کامپیوتر، دانشگاه آزاد قزوین، ایران،
محمدرضا میبدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، ایران،

در سالهای اخیر علاقه به کار بر روی الگوریتمهای تکاملی در محیطهای پویا به خاطر کاربرد در زندگی روزمره افزایش چشمگیری داشته است. در محیطهای پویا چون تابع هدف نسبت به زمان در حال تغییر است هدف تنها همگرا شدن به نقطه بهینه نمیباشد و باید به دنبال یافتن نقاطبهینه در هر لحظه در محیط نیز باشیم. روشهای مختلفی مانند روشهای چند جمعیتی و مبتنی بر حافظه برای محیطهای پویا ارایه شده است. در اینمقاله الگوریتم جدید ) MCGA ( از ترکیب الگوریتم ژنتیک سلولی و الگوریتمهای حافظهدار ارایه شده است. برای تست کارایی از تولید کننده XOR برای شبیه سازی محیط پویا استفاده کردهایم. با استفاده از این تولید کننده مجموعهای از محیطهای پویا با خصوصیات مختلف ایجاد کرده و الگوریتم پیشنهادی و سایر الگوریتمها را روی آنها تست کردهایم. با توجه به معیار خطای offline نتایج بدست آمده دلالت بر برتری الگوریتم ارایه شده دارد

محیط پویا، الگوریتمهای تکاملی، الگوریتم ژنتیک حافظهدار ، الگوریتم ژنتیک سلولی، محیط تولید کنندهی - XOR پویا