基于人工免疫系統(tǒng)的多目標優(yōu)化算法和偏好多目標決策.pdf

1、近年來，對于生物信息系統(tǒng)的研究已逐漸成為人工智能領(lǐng)域的熱點問題和重要環(huán)節(jié)。借鑒生物免疫系統(tǒng)的機理，構(gòu)造一種高度演化，并行的分布式自適應(yīng)系統(tǒng)，這種信息處理的能力為計算機科學(xué)領(lǐng)域提供了很多有意義的借鑒，而這一學(xué)科稱為人工免疫系統(tǒng)。同時，現(xiàn)實生活中的問題通常是由多個因素影響決定的，其相應(yīng)研究領(lǐng)域多目標優(yōu)化也非常受到學(xué)者們的重視。本文是基于人工免疫系統(tǒng)的多目標優(yōu)化算法和偏好多目標決策的研究，主要內(nèi)容包括：
　　 1)基于模擬退火將人工免

2、疫系統(tǒng)和多目標優(yōu)化相結(jié)合，提出了一種模擬退火免疫算法SAIA。SAIA采用了三個新穎的算子，分別是模擬退火自適應(yīng)超變異算子，模擬退火選擇算子，和種群修剪算子；實驗分析證明，SAIA在逼近Pareto前沿方面和保持解的多樣性方面表現(xiàn)出良好的性能；
　　 2)提出一種區(qū)域支配的新的支配關(guān)系，基于該區(qū)域支配，提出了一種混合多目標免疫算法HMIAR。通過實驗分析得出，HMIAR在結(jié)合決策者偏好信息解決多目標優(yōu)化問題的時候可以獲得一個分布

3、良好且逼近Pareto前沿的解集；
　　 3)提出一種叫做球支配的新的支配關(guān)系，基于該球支配的概念，提出了一種球支配偏好免疫算法SPIA以解決動態(tài)多目標優(yōu)化問題。SPIA采用了兩種變異策略，分別是推測變異和高斯變異；實驗分析顯示，SPIA在解決含有偏好信息的動態(tài)多目標優(yōu)化問題方面性能優(yōu)越。
　　 本文工作得到國家863高新技術(shù)研究發(fā)展計劃(No.2009AA12Z210)，國家自然科學(xué)基金(No.60803098)，和教