人工免疫多Agent多目標優(yōu)化算法及其應用研究.pdf

1、隨著科技的發(fā)展和人們需求的增加，在工程設計、經濟管理、自然與社會科學中，需要同時對多個目標進行優(yōu)化的實際問題越來越多。如今，實施在單目標優(yōu)化上的各類進化算法已廣泛應用到多目標優(yōu)化上，并取得了一定的成果，但仍然存在很多不足之處。模擬生物免疫機制的人工免疫系統(tǒng)具有很強大的優(yōu)化信息處理機制，被認為是目前最具潛力的智能計算系統(tǒng)，然而，由于生物免疫機制的復雜性，目前所建立的人工免疫模型和算法仍存在很多缺陷。
　　針對目前多目標優(yōu)化算法和人工

2、免疫系統(tǒng)的諸多不足，本文在深入研究人工免疫和多 Agent系統(tǒng)后提出了一種人工免疫多 Agent系統(tǒng)。該系統(tǒng)不僅具有人工免疫系統(tǒng)的基本特征，還具備多 Agent系統(tǒng)分布式計算功能。系統(tǒng)通過鄰域克隆選擇算子、鄰域競爭算子、鄰域協作算子和自學習算子來完成全體 Agent的更新。其可以很好的完成局部和全局搜索，而且搜索的效率很高。再將提出的人工免疫多 Agent系統(tǒng)應用到多目標優(yōu)化中，提出了一種人工免疫多 Agent多目標優(yōu)化算法(Artif

3、icial Immune Multi-Agent Multi-objective Optimization Algorithm, AIMAMOA)。算法中主要結合了多目標優(yōu)化中優(yōu)秀的適應度定義方法和外部種群更新策略。通過實驗對比分析可知，該多目標優(yōu)化算法對于求解多目標優(yōu)化問題是可行的，且在解的收斂性和分布性方面均有所優(yōu)勢。
　　在如今資源日益匱乏和經濟利益的驅使下，石油化工中的過程操作優(yōu)化變得尤為重要。但化工操作優(yōu)化中使用的優(yōu)化算