基于免疫理論與思維進化的進化計算研究.pdf

1、本文將免疫思想和思維進化計算相結合，提出了一種新的混合進化模型，在此模型的基礎上提出了一種新的基于多種群的自適應免疫進化算法(ImmuneAlgorithmBasedonMulti-population，IABM)。 基于多種群的IABM算法主要用于解決優(yōu)化問題。它定義了選擇、記憶、克隆、超變異、抑制五種基本算子，對記憶算子分為全局記憶細胞和局部記憶區(qū)，記憶算子充分利用祖輩的優(yōu)良基因信息指導后代生成，加快了收斂速度；對超變異算子

2、采取自適應策略，使個體據(jù)自身的優(yōu)良程度和所處的歷史進化代數(shù)來確定搜索范圍，提高變異的有效性；在全局范圍內(nèi)，利用抑制算子來確保群體的多樣性。通過測試函數(shù)進行仿真實驗，結果表明該算法具有高效的收斂速度，并能收斂到全局最優(yōu)點。與MGA(Multi-populationGeneticAlgorithm)和MEC(MindEvolutionComputation)進行比較分析，IABM收斂速度更快，收斂迭代次數(shù)更少。 本文的研究工作主要在

3、以下幾個方面： 1、論文將多種群的概念引入免疫進化算法。這有助于提高算法中種群的多樣性，另一方面，也提高了進化運行中對群體的動態(tài)控制。 2、論文將思維進化算法和免疫算法二者有機結合。思維進化算法可以加快局部收斂速度；另一方面，免疫算法的抑制算子可以更有效的保證群體進化中多樣性，從而使IABM算法表現(xiàn)出更好的全局收斂特性。 3、在IABM算法中采用自適應策略。例如，通過自適應策略的采用靈活地控制變異的范圍和變異的概