基于记忆评价引导机制的免疫优化算法研究

《基于记忆评价引导机制的免疫优化算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号婴!墨UDC621．3博士学位论文学校代码!Q主三3密级公珏基于记忆．评价．引导机制的免疫优化算法研究ImmuneOptimizationAlgorithmsBasedonMemory--Evaluation—·GuideMechanism作者姓名：学科专业：研究方向：学院(系、所)：指导教师：宋丹控制科学与工程控制理论与控制工程信息科学与工程学院赖旭芝教授论文答辩日期羔蚴答辩委员会主华中南大学2013年5月原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注

2、和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名：二蹲学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提

3、供信息服务。作者签名：颦导师之立年上月上日基于记忆．评价．引导机制的免疫优化算法摘要：对生物免疫系统进行模仿构造的人工免疫系统是高性能、自组织、鲁棒性强的人工智能系统。最优化问题广泛存在于工程实践和科学研究之中。在处理最优化问题时，大部分智能优化方法较少关注非基因信息的记忆与运用。因此，本文依据免疫记忆、克隆选择等生物原理，设计记忆．评价．引导机制，侧重非基因信息的采集与使用，对基于记忆．评价．引导机制的免疫优化算法模型进行了构建。在模型的基础上，针对不同类型的优化问题对其设计相应的人工免疫算法。本文主要研究成果与创新点可分为以下四个

4、部分：首先，构建基于记忆．评价与f导机制的免疫优化模型。依托生物免疫原理并结合已有人工免疫算法框架进行建模。新模型尝试将进化与学习相结合，在达尔文进化的基础上，考虑以经验学习以及经验遗传为特征的非达尔文效应在模型中的作用。与传统优化模型相比，新模型采集探索信息并加以利用，在很大程度上减少重复搜索和盲目搜索，提高整体收敛性能。其次，提出一种基于精准信息记忆的单目标免疫优化算法，即基于变异记忆矩阵的克隆选择算法。算法利用变异记忆矩阵来保存进化中有用的变异信息，以引导子代的克隆和变异操作，加强局部搜索能力；运用当代种群的综合信息生成新抗体进

5、入种群，以加强全局搜索能力；对最优抗体进行自学习，以提高算法结果的精度。标准函数仿真表明，该算法适合求解复杂函数优化问题，具有收敛速度快、全局收敛能力强、精度高和鲁棒性强的优点。然后，提出一类基于模糊化信息记忆的单目标免疫优化算法，即基于白适应选择维度的免疫算法和基于等级信息反馈的克隆选择算法。前者对变异尺度分成若干等级，并设置矩阵对父代各个维度上的变异等级、变异结果、变异次数等信息进行记录，算法利用这些反馈信息来指导后代个体的变异维度选择和变异尺度的生成，提高了算法的整体性能。后者在前者的基础上增加了补充机制，简化了变异环节，在更广

6、的测试函数用例进行了仿真试验，在与其他智能算法的比较中表现出更优的全局收敛性能。此外，针对基于模糊信息记忆与基于精准信息记忆这二种记忆方式，对九个函数在不同维度下进行了对比试验。结果表明，在面对复U杂高维的函数测试问题时，基于模糊化信息记忆的免疫优化算法略有优势。最后，提出一种基于非达尔文效应的多目标免疫算法。针对多目标优化问题，为强化非基因信息的传承与利用，利用区间记忆变异矩阵来保存进化中成功变异的区间信息，以引导后续的进化操作，加强局部搜索能力；算法使用Pareto排序来选择非劣解，当非劣解的数量超出预设规模时，利用拥挤距离进行排

7、序来选择相对稀疏的抗体保留；算法设计均匀度增强算子对最后的非劣解集进行删减，通过多次拥挤距离的排序删减最拥挤的抗体，从而提高非劣解集在目标空间上的均匀性。通过多目标测试函数的仿真试验，与经典的多目标进化算法相比，新算法得到的最终解集在覆盖性、收敛性和分布性均有明显改善，并能更好地逼近理论Pareto前沿。图35幅，表25个，参考文献131篇。关键词：免疫算法；单目标优化；多目标优化；免疫记忆；等级变异；非达尔文效应分类号：TPl8，621．3IIIImmlOptimizatiqAlgorithmsBasedImmuneationAlg

8、orithmsBase0nMemory--Evaluation--GuideMechanismAbstract：Anartificialimmunesystemmimicsthes缸uctLlreofabiologica