一種基于小生境的克隆選擇算法.pdf

1、許多實際工程問題可以抽象為相應的函數(shù)優(yōu)化問題。目前己經(jīng)有很多啟發(fā)式算法用于解決函數(shù)優(yōu)化問題。遺傳算法就是其中的一種，但由于在實際應用中遺傳算法早熟收斂，收斂速度慢的現(xiàn)象時有發(fā)生，這在一定程度上限制了遺傳算法的發(fā)展和應用。而免疫系統(tǒng)是一個分布式、自組織和具有動態(tài)平衡能力的自適應復雜系統(tǒng)。人工免疫系統(tǒng)是與生物免疫系統(tǒng)相對應的工程概念，人們從免疫系統(tǒng)中提取、發(fā)現(xiàn)有用機制用來解決工程和科學問題，研究如何根據(jù)免疫優(yōu)化理論以及模擬生物免疫優(yōu)化行為來

2、設計新的有效優(yōu)化算法是非常有意義的科研課題。 本文首先回顧了進化算法的發(fā)展歷程，尤其是遺傳算法分支領域。然后詳細介紹了自然免疫系統(tǒng)基本原理、人工免疫系統(tǒng)及各種免疫算法。其中克隆選擇原理是人工免疫系統(tǒng)中非常重要的一個原理，由此啟發(fā)而得出的免疫算法，能夠比較好地解決函數(shù)優(yōu)化問題。最后在分析克隆選擇算法的優(yōu)越性與其不足的基礎上，借鑒自然界共享小生境機制，提出了對克隆選擇算法的改進算法--基于小生境的克隆選擇算法。 針對克隆選擇

3、算法的漏峰問題，小生境克隆選擇算法重新設計了評價函數(shù)。本文通過引入共享函數(shù)來確定群體中個體之間的物種相似度，再以共享函數(shù)為基礎設計評價函數(shù)，替代原先簡單的以適應度值為唯一標準的評價函數(shù)，對群體中聚集成小塊的個體可以通過施加共享函數(shù)進行懲罰，使其適應值減小，這樣就使得小規(guī)模物種的被選擇概率會比適應值共享之前有所提高，從而維護群體中小規(guī)模低適應度物種生存，使其也能順利進入下一代。小生境技術通過維護群體中小規(guī)模低適應度物種的生存，增加了物種多

4、樣性，使群體向優(yōu)質(zhì)個體分布良好的方向進化。最后經(jīng)過測試，表明該改進算法與標準遺傳算法和克隆選擇算法相比，具有快速收斂、全局尋優(yōu)能力強、增加種群多樣性等優(yōu)點。針對算法中的某些步驟和參數(shù)，通過實驗統(tǒng)計結果給出合理調(diào)整。 總之，優(yōu)化問題是一個古老的問題，同時它也是一個困難的問題，而自然界中包含著豐富有效的信息處理機制。我們可以模擬自然進化原理與機制，模擬生物智能的生成過程，并用以求解問題，進而融合數(shù)學、生物、計算機技術等各個領域的原理