克隆選擇算法改進研究及其在3G基站選址中的應(yīng)用.pdf

1、人工免疫算法是受人體免疫學(xué)啟發(fā)而發(fā)展起來的進化計算方法，因其算法模型簡單、易于實現(xiàn)、收斂速度快等優(yōu)點，現(xiàn)已廣泛應(yīng)用于科學(xué)研究和工程應(yīng)用領(lǐng)域。而隨著待解決的優(yōu)化問題復(fù)雜度增大，人工免疫算法本身也存在著諸如收斂精度低、后期收斂速度慢以及對大規(guī)模復(fù)雜問題易陷入局部最優(yōu)而導(dǎo)致早熟收斂等缺陷。因此，對算法進行改進研究并應(yīng)用于復(fù)雜工程優(yōu)化問題具有重要的理論意義和實際價值。
　　 基本克隆選擇算法中其克隆選擇的評價尺度是抗體的親和度，很容易將

2、潛在的優(yōu)秀抗體拋棄，但是這些優(yōu)秀抗體對全局搜索卻能起到非常重要的作用。鑒于此，本文提出了一種面向多模態(tài)函數(shù)優(yōu)化的回溯克隆選擇算法(BCSA)。其基本思想是:采用改進回溯機制和記憶庫抗體抑制策略，保持抗體的多樣性，以增強算法的全局搜索能力;通過對動態(tài)變異、選擇與交叉操作的改進以加快算法的收斂速度。典型的多模態(tài)函數(shù)測試結(jié)果表明，該算法能夠有效避免陷入局部最優(yōu)，準確搜索到多模態(tài)函數(shù)的多個全局極值點。
　　 針對基本克隆選擇算法優(yōu)化復(fù)雜

3、函數(shù)性能欠佳問題，本文在分析其原理和改進思路的基礎(chǔ)上，為了克服算法的早熟收斂和進化后期收斂速度慢等缺陷，先對抗體的初始化方法進行改進，采用混沌反學(xué)習(xí)初始化方法，擴大了算法的搜索空間，改善了算法的全局收斂速度;然后利用人工蜂群搜索算子較強的探索能力，在進化后期對種群進行引導(dǎo)以幫助算法快速跳出局部最優(yōu)點，從而避免算法早熟收斂。12個標準函數(shù)測試結(jié)果表明，該改進算法收斂速度較快、求解精度高，全局搜索能力強。
　　 3G基站選址是網(wǎng)絡(luò)建