改進免疫克隆選擇算法的研究與應用.pdf

1、優(yōu)化問題大量存在于科學研究和工程應用中的各個領(lǐng)域，因而開展最優(yōu)化方法的研究具有重要的理論意義和實用價值。傳統(tǒng)的確定性優(yōu)化方法存在諸多的局限性，難以解決當今社會日益增多的復雜問題。近年來，多學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)域的研究與應用中表現(xiàn)出優(yōu)異的性能，已成為解決復雜優(yōu)化問題的有力工具。
　　免疫克隆選擇算法是一種受生物免疫系統(tǒng)克隆選擇原理啟發(fā)而設(shè)計的新型智能優(yōu)化算

2、法。它結(jié)合了問題的先驗知識和生物免疫系統(tǒng)的自適應能力，因而在信息處理方面具有較強的魯棒性，在搜索過程中能更好地收斂到全局最優(yōu)解。本文在歸納了基本免疫克隆選擇算法的原理與特點的基礎(chǔ)上，分析其不足之處，綜合運用多種免疫學和進化學思想，從多種角度對算法進行改進，并將改進算法應用于幾種典型的優(yōu)化問題。通過實例仿真，驗證改進算法的有效性和實用價值。本文的主要研究內(nèi)容和結(jié)論如下:
　　(1)本文深入分析了人工免疫系統(tǒng)的生物學原理及其仿生機理，

3、詳細闡述了人工免疫系統(tǒng)的具體研究內(nèi)容和范圍，并對克隆選擇理論的工作機理進行了較為深入的研究。在分析基本免疫克隆選擇算法的原理、框架及特點基礎(chǔ)上，總結(jié)了該算法在某些方面的缺點和不足，確立了本文的基本研究方向，提出了相應的改進思路。
　　(2)針對基本免疫克隆選擇算法存在的算法尋優(yōu)過程中收斂速度慢、易陷入局部最優(yōu)等問題，借鑒生物免疫系統(tǒng)的顯性基因特性，提出了免疫顯性克隆選擇算法(IDCSA)。通過在每次迭代中使用一批適應值高的抗體來引

4、導整個種群的改良，該策略加強了抗體種群間的信息交流，并有效地指引抗體朝著有前途的方向搜索。這種方法既維持了種群的多樣性，又保證了解的質(zhì)量。同時，采用指數(shù)型分布的隨機變異策略，充分開發(fā)解空間，有利于算法跳出局部最優(yōu)。為說明改進算法的有效性，選取物流配送問題中的車輛路徑調(diào)度做為應用實例。通過對不同規(guī)模、不同類型的物流配送問題的Benchmark算例進行仿真，將結(jié)果進行統(tǒng)計、對比和分析，證明了改進算法的有效性。
　　(3)針對基本免疫克

5、隆選擇算法在單一種群進化中容易過早收斂的問題，為了增強免疫克隆選擇算法的并行搜索能力，提出了基于多種群策略的主從式免疫克隆選擇算法(MSICSA)。主從式免疫克隆選擇算法設(shè)計了一種主從式結(jié)構(gòu)，該結(jié)構(gòu)上層只有一個主種群，而下層包含多個子種群。主種群和子種群之間實行遷入、遷出操作，以加強各種群間的信息交流，提高主種群的質(zhì)量。同時，采用混沌序列作為變異操作的隨機數(shù)，增強了算法搜索的隨機性。在具體的實例應用分析中，采用主從式免疫克隆選擇算法求解

6、任務分配問題，給出算法的詳細求解流程。通過改進算法與其他不同算法對實例進行仿真對比分析，證明了改進算法的有效性。
　　(4)針對基本免疫克隆選擇算法在尋優(yōu)初期具有較快的收斂速度，而到了尋優(yōu)后期則收斂緩慢，算法缺乏隨機性，同時又缺乏局部搜索能力等缺點，提出自適應全局免疫克隆選擇算法(AGICSA)。自適應全局免疫克隆選擇算法引入了一種服從高斯分布的自適應全局變異策略。其中，變異率采用了一種與抗體適值相關(guān)的自適應正態(tài)云模型。在動態(tài)調(diào)整

7、變異力度的同時，引入了一種基于正態(tài)分布的自適應變異操作，通過這種變異操作可以在全局范圍內(nèi)均勻、動態(tài)地對每個滿足變異率的抗體的σ臨域內(nèi)進行高概率變異，增強了搜索的隨機性和穩(wěn)定傾向性。在具體的實例應用中，本文設(shè)計了一種模糊能量管理控制器(FEMC)來實現(xiàn)并聯(lián)式混合動力汽車(PHEV)的電動輔助控制策略。并利用自適應全局免疫克隆選擇算法對模糊邏輯控制器(FLC)的隸屬函數(shù)進行優(yōu)化，從而進一步地改善燃油經(jīng)濟性和綜合能耗指標。針對不同的道路循環(huán)測