改進(jìn)免疫遺傳算法及其在優(yōu)化調(diào)度問題中的應(yīng)用研究.pdf

1、隨著生產(chǎn)社會化的不斷深入,生產(chǎn)規(guī)模及物資流通量越來越大,復(fù)雜性也越來越高,優(yōu)化調(diào)度問題已經(jīng)滲透到科研及工程應(yīng)用的各個領(lǐng)域。近代人工智能技術(shù)的飛速發(fā)展對于解決優(yōu)化調(diào)度問題提供了有力的理論基礎(chǔ)保障。因此,在該領(lǐng)域的研究具有重要的理論意義和實(shí)用價值。傳統(tǒng)優(yōu)化調(diào)度方法存在著種種不足,已經(jīng)不能很好地適用于大規(guī)模復(fù)雜問題。近年來,多學(xué)科交叉研究為解決此類問題提供了新的思路。其中以模仿生物免疫機(jī)理為理論基礎(chǔ)的人工免疫優(yōu)化算法在各領(lǐng)域的研究與應(yīng)用中表現(xiàn)

2、出優(yōu)異的性能,已成為人工智能領(lǐng)域一個新的研究熱點(diǎn)。
　　 免疫遺傳算法隸屬于人工免疫優(yōu)化算法范疇,該算法將免疫思想融入遺傳進(jìn)化流程中,使其有選擇、有目的地利用特征信息來促進(jìn)種群向優(yōu)化趨勢發(fā)展,同時抑制優(yōu)化過程中的退化現(xiàn)象。本文在歸納了基本免疫遺傳算法的原理與特點(diǎn)的基礎(chǔ)上,總結(jié)其不足之處,綜合運(yùn)用多種免疫學(xué)和遺傳學(xué)思想,從多種角度對算法進(jìn)行改進(jìn),并將改進(jìn)算法應(yīng)用于幾種典型的優(yōu)化調(diào)度問題。通過實(shí)例仿真,驗(yàn)證改進(jìn)算法的有效性和實(shí)用價值

3、。本文的主要研究內(nèi)容和成果如下:
　　 (1)深入研究人工免疫系統(tǒng)及其算法,系統(tǒng)地介紹了人工免疫系統(tǒng)的生物學(xué)原理及其仿生機(jī)理,詳細(xì)闡述了人工免疫系統(tǒng)的具體研究內(nèi)容和范圍。在剖析基本免疫遺傳算法原理、框架及特點(diǎn)基礎(chǔ)上,著重分析了基本免疫遺傳算法解決大規(guī)模復(fù)雜問題時,在穩(wěn)定性、收斂性及適應(yīng)性等方面的不足,提出了相應(yīng)的改進(jìn)思路。
　　 (2)針對基本免疫遺傳算法存在的局部搜索能力差、早熟收斂等問題,借鑒生物免疫系統(tǒng)的克隆選擇思

4、想及記憶理論,提出了一種免疫克隆算法。該算法通過引入克隆算子來改善基本免疫遺傳算法局部搜索能力差的缺點(diǎn)。通過克隆增殖和超變異算子加大種群的搜索范圍,保持了種群的多樣性。并把該算法用于求解物流配送調(diào)度問題,通過計算不同規(guī)模、不同類型的Benchmark問題,驗(yàn)證了算法的穩(wěn)定性和有效性。
　　 (3)針對基本免疫遺傳算法存在易陷入平衡態(tài)和丟失優(yōu)勢基因等不良現(xiàn)象,提出了一種多種群、雙倍體免疫遺傳算法。該算法一方面采用多種群同時進(jìn)化,交

5、換種群之間優(yōu)勢個體所攜帶的遺傳信息,以打破種群內(nèi)平衡態(tài)達(dá)到更高的平衡態(tài);另一方面通過雙倍體編碼方式延長了有用基因塊的壽命,顯著提高了算法的局部搜索效率,保持了種群的多樣性,有利于算法跳出局部最優(yōu)解。并將該算法應(yīng)用于求解單級多資源限制生產(chǎn)批量計劃問題。通過仿真實(shí)例證明,多種群雙倍體免疫遺傳算法不但具有良好的全局和局部搜索能力,并且具有很好的逼近精度和搜索速度。
　　 (4)針對基本免疫遺傳算法由于靜態(tài)地指定交叉、變異概率和疫苗而帶

6、來的搜索過程緩慢甚至停滯不前等缺點(diǎn),提出了一種自適應(yīng)免疫遺傳算法。該算法通過自適應(yīng)調(diào)整交叉、變異概率,動態(tài)生成疫苗等方式,改善了基本免疫遺傳算法收斂速度緩慢、疫苗失效等缺點(diǎn)。并將該算法應(yīng)用于求解柔性作業(yè)車間調(diào)度問題,應(yīng)用不同算法對實(shí)例進(jìn)行仿真,將自適應(yīng)免疫遺傳算法的仿真結(jié)果同遺傳算法、免疫遺傳算法進(jìn)行對比分析,證明改進(jìn)算法有良好的收斂性和魯棒性。
　　 本文通過以上的研究工作和仿真結(jié)果分析,對改進(jìn)的免疫遺傳算法進(jìn)行綜合性地概括、