求解多目標(biāo)函數(shù)的一種免疫遺傳算法.pdf

1、遺傳算法抽象于生物體的進(jìn)化過(guò)程，通過(guò)全面模擬自然選擇和遺傳機(jī)制，形成一種具有“生成+檢驗(yàn)”特征的搜索算法。但由于自然進(jìn)化和生命現(xiàn)象的“測(cè)不準(zhǔn)”性，遺傳算法不可避免的存在概率算法的缺陷。
　　 首先在對(duì)算法的實(shí)施過(guò)程中兩個(gè)主要遺傳算子：交叉算子和變異算子，它們都是在一定概率下，隨機(jī)地進(jìn)行迭代搜索，因此交叉算子和變異算子在為群體中的個(gè)體提供進(jìn)化機(jī)會(huì)的同時(shí)，也不可避免的產(chǎn)生早熟、種群多樣性減少等退化現(xiàn)象。其次，每一個(gè)待求的實(shí)際問(wèn)題都會(huì)

2、有自身一些知識(shí)或特征信息。但是遺傳算法的交叉算子和變異算子卻相對(duì)固定，在問(wèn)題求解的過(guò)程中，可變的靈活程度較小。也就是忽視了問(wèn)題的特征信息在問(wèn)題求解時(shí)的輔助作用，特別是在求解一些復(fù)雜問(wèn)題時(shí)，這種“忽視”所帶來(lái)的損失往往是很明顯的。再者，傳統(tǒng)遺傳算法不具有信息儲(chǔ)存功能，待下次求解相同問(wèn)題時(shí)的工作量大大增加。而生物免疫系統(tǒng)具有免疫記憶、抗原識(shí)別和保持抗體的多樣性等特性。
　　 本文正是將生物免疫系統(tǒng)中的免疫思想引入到遺傳算法中，在初始

3、化技術(shù)、多樣性改善技術(shù)、自適應(yīng)變異技術(shù)三個(gè)方面做出了改進(jìn)。本文是有四個(gè)關(guān)鍵技術(shù)點(diǎn)：改進(jìn)遺傳算法的初始化策略，濃度算子的設(shè)計(jì)和新適應(yīng)度評(píng)價(jià)函數(shù)的設(shè)計(jì)，變異技術(shù)的自適應(yīng)調(diào)節(jié)機(jī)制，優(yōu)化案例的存儲(chǔ)、更新和查詢(xún)。函數(shù)優(yōu)化仿真實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的遺傳算法相比，改進(jìn)的遺傳算法不僅是有效的，也是可行的。改進(jìn)的算法不僅可以較好地解決已有算法中出現(xiàn)的退化現(xiàn)象，而且使收斂速度有顯著提高。
　　 最后就改進(jìn)的遺傳算法進(jìn)行了收斂性分析，得出了改進(jìn)的遺傳