基于歐氏距離和精英交叉的免疫算法研究.pdf

1、該論文的全部工作在于嘗試尋找解決GA、AIA上述問題的新的方法.以下列出的是該論文具有創(chuàng)新性的主要工作,類似工作在國內(nèi)外文獻中尚未見有報道:1、為了改善GA的局部搜索性能和收斂速度,提出了一種精英交叉策略,并把精英交叉策略與精英保留遺傳算法結(jié)合,得到了一種基于精英交叉的精英保留遺傳算法,稱為精英交叉遺傳算法.證明了KEGA的全局收斂性.對測試函數(shù)F6函數(shù)(Schafferl function)進行的優(yōu)化研究表明,KEGA在在線、離線和最

2、優(yōu)解搜索性能各方面均遠優(yōu)于EGA,KEGA收斂到滿意解的平均收斂代數(shù)只有EGA的九分之一;在對測試函數(shù)F8函數(shù)(Rastrigin's function)進行優(yōu)化時,KEGA的收斂性能也比EGA好很多.仿真實驗結(jié)果表明KEGA實現(xiàn)簡單,與EGA相比,其增加的計算開銷可以忽略,但性能改善十分明顯;2、針對基于信息熵的免疫算法(AIA)運行速度慢的缺點,提出了二種能夠加快AIA運行速度的新的抗體濃度計算方法,得到兩種新的免疫算法,即加速的人

3、工免疫算法和加速的人工免疫算法-2,對測試函數(shù)F15(needle in haystack:type Ⅰ)、F8函數(shù)的仿真研究表明,這兩種算法的運行速度都是AIA的8.5倍以上;3、針對AIA的濃度定義存在的缺陷,提出了一種新的基于抗體間歐氏距離和適應(yīng)度的新的抗體濃度定義,并依據(jù)該定義構(gòu)造了一種基于歐氏距離的人工免疫算法(Euclidean Distance-based Artificial Immune Algorithm,DBAIA

4、).DBAIA的多樣性保持能力和運行速度較AIA有較大幅度的提高;4、把精英交叉策略與基于信息熵和基于歐氏距離的人工免疫算法結(jié)合,得到兩種基于精英交叉的人工免疫算法,即基于精英交叉的加速人工免疫算法(King crossover-based Accelerated Artificial Immune Algorithm,KAAIA)和基于歐氏距離和精英交叉的人工免疫算法(DKBAIA),其性能比AAIA、DBAIA有大幅度提高;5、引入

5、抗體濃度球和抗體相似矩陣兩個概念,對DKBAIA進行系統(tǒng)的改進得到改進的DKBAIA(Modified DKBAIA,MDKBAIA).在優(yōu)化測試函數(shù)F8時,MDKBAIA的運行速度是DKBAIA的4倍,是AAIA的37倍;其運行速度已較接近GA和KEGA,是KEGA運行速度的0.74倍;在優(yōu)化F15函數(shù)時,MDKBAIA的運行速度是DKBAIA的9.4倍,是AAIA的13.7倍;同時,MDKBAIA各項收斂性能也保持在令人滿意的水平.