现实社会中存在大量的动态优化问题,研究并解决这些问题具有重要的现实意义。进化算法是一种智能计算方法,目前已被广泛的应用于求解动态优化问题中。因此,研究进化算法下的动态求解策略意义重大。本文在已有研究成果的基础上,从三个方面对动态环境中的进化求解策略展开了研究,具体工作如下:(1)研究并设计了一种新的联想记忆更新策略。本文通过分析联想记忆机制中环境信息与个体的对应关系,提出了一种基于环境信息的联想记忆更新策略,并在不同的环境下使用三种动态测试用例检验了该策略的性能。实验结果表明,该策略在循环环境中能显著的提高联想记忆算法的性能。(2)在联想记忆机制下提出了两种新的使用策略,分别是基于竞争的联想记忆使用策略和基于多样性的联想记忆使用策略。这两种策略在选择环境信息使用时分别用环境信息在新环境中的竞争力以及环境信息的多样性作为依据。在实验中,这两种策略与经典的使用策略做了比较,结果表明,这两种策略都是有效的动态问题求解策略。(3)通过混合记忆机制、精英机制与随机移民机制提出了一种自适应的混合迁移策略。在该策略中存在三种不同的迁移个体,而且每种迁移个体的数目在进化过程中会依据其迁移个体对搜索的贡献不断的自我调节。实验表明,这种自适应混合迁移策略能有效的提升算法的环境适应能力。本论文通过动态优化问题的研究,提出了基于环境信息的联想记忆更新策略、基于竞争的联想记忆使用策略、基于多样性的联想记忆使用策略以及自适应混合迁移策略。这些工作不仅对动态优化问题中进化求解策略的研究有着重要的意义,对实际动态问题中进化求解策略的应用也有重要的指导作用。