基于免疫克隆與粒子群的優(yōu)化算法研究.pdf

1、自然計(jì)算（Nature inspired Computation）作為一類新興的計(jì)算方法，是以自然界，特別是生物體的功能、特點(diǎn)和作用機(jī)理為基礎(chǔ)設(shè)計(jì)出的計(jì)算模型。它具有自適應(yīng)、自組織、自學(xué)習(xí)等能力，同時(shí)具有有效模仿自然界各類運(yùn)行機(jī)制的特點(diǎn)，能夠?yàn)閭鹘y(tǒng)算法難以解決的各類復(fù)雜問題給出合理的解決方案，因此近年來成為人工智能領(lǐng)域的一個(gè)新的研究熱點(diǎn)。自然計(jì)算已在大規(guī)模復(fù)雜系統(tǒng)的優(yōu)化設(shè)計(jì)、優(yōu)化控制、智能交通、計(jì)算機(jī)網(wǎng)絡(luò)等領(lǐng)域得到了廣泛的應(yīng)用。本論文圍

2、繞自然計(jì)算中較流行的人工免疫系統(tǒng)和粒子群優(yōu)化算法展開深入研究，提出一系列新算法，將提出的算法應(yīng)用于汽輪機(jī)的故障診斷中，不僅拓展了自然計(jì)算的應(yīng)用范圍，而且豐富了汽輪機(jī)的人工智能診斷技術(shù)。
　　歸納總結(jié)，本文的研究成果主要有以下幾個(gè)方面：
　　提出一種定向多尺度免疫克隆優(yōu)化算法，該算法利用不同初始方差的高斯變異機(jī)制，促使整個(gè)種群以盡量分散的變異尺度實(shí)現(xiàn)解空間的搜索。在利用不同大小變異算子提高全局及局部精確搜索能力的同時(shí)，利用定向

3、進(jìn)化操作加快算法收斂速度。仿真結(jié)果表明該算法能夠快速定位到搜索空間的最優(yōu)解區(qū)域，進(jìn)而使抗體通過定向進(jìn)化操作及小尺度變異算子實(shí)現(xiàn)最優(yōu)精確解空間的逼近，在保持最優(yōu)解精度的同時(shí)，加快了算法收斂速度。
　　提出一種并行免疫克隆優(yōu)化算法。該算法將抗體群分為多個(gè)高斯變異子群和均勻變異子群，在增加算法種群多樣性，提高算法勘探(exploration)能力的同時(shí)，保證算法在進(jìn)化后期具有較強(qiáng)的局部精確解的開采(exploitation)能力。利用不

4、同空間特征和維度的數(shù)據(jù)集進(jìn)行測試，試驗(yàn)結(jié)果表明該算法能有效提高全局解搜索能力。結(jié)合聚類問題，進(jìn)一步給出了一種基于并行免疫克隆優(yōu)化的聚類算法，并將其應(yīng)用到汽輪機(jī)故障診斷中，驗(yàn)證了該算法解決實(shí)際工程問題的有效性。
　　提出一種自適應(yīng)多尺度變異逃逸的粒子群優(yōu)化算法。該算法利用自適應(yīng)閾值設(shè)定機(jī)制確定粒子逃逸的最佳時(shí)期，有效實(shí)現(xiàn)全局與局部搜索能力的協(xié)調(diào)；利用多尺度高斯變異和均勻變異實(shí)現(xiàn)粒子的逃逸，保持種群多樣性，防止算法陷入局部極值點(diǎn)，提高

5、了算法對(duì)全局解的搜索性能。利用不同的評(píng)測函數(shù)及汽輪機(jī)故障數(shù)據(jù)進(jìn)行測試驗(yàn)證了該算法優(yōu)良的性能。
　　提出一種協(xié)調(diào)勘探和開采能力的粒子群優(yōu)化算法。該算法通過增加隨機(jī)子群，擴(kuò)大了全局解空間的勘探能力，同時(shí)為了不影響算法局部精確解空間的開采能力，該算法利用種群進(jìn)化信息生成解的優(yōu)勝區(qū)域，找出更有效的最優(yōu)解子空間，引導(dǎo)進(jìn)化子群微粒向著最優(yōu)解空間逼近，使算法始終保持最優(yōu)解空間勘探的能力，同時(shí)不影響算法的收斂速度。由于該算法引入了控制參數(shù)進(jìn)行勘探