求解多目標函數的一種免疫遺傳算法.pdf

1、遺傳算法抽象于生物體的進化過程，通過全面模擬自然選擇和遺傳機制，形成一種具有“生成+檢驗”特征的搜索算法。但由于自然進化和生命現象的“測不準”性，遺傳算法不可避免的存在概率算法的缺陷。
　　 首先在對算法的實施過程中兩個主要遺傳算子：交叉算子和變異算子，它們都是在一定概率下，隨機地進行迭代搜索，因此交叉算子和變異算子在為群體中的個體提供進化機會的同時，也不可避免的產生早熟、種群多樣性減少等退化現象。其次，每一個待求的實際問題都會

2、有自身一些知識或特征信息。但是遺傳算法的交叉算子和變異算子卻相對固定，在問題求解的過程中，可變的靈活程度較小。也就是忽視了問題的特征信息在問題求解時的輔助作用，特別是在求解一些復雜問題時，這種“忽視”所帶來的損失往往是很明顯的。再者，傳統(tǒng)遺傳算法不具有信息儲存功能，待下次求解相同問題時的工作量大大增加。而生物免疫系統(tǒng)具有免疫記憶、抗原識別和保持抗體的多樣性等特性。
　　 本文正是將生物免疫系統(tǒng)中的免疫思想引入到遺傳算法中，在初始

3、化技術、多樣性改善技術、自適應變異技術三個方面做出了改進。本文是有四個關鍵技術點：改進遺傳算法的初始化策略，濃度算子的設計和新適應度評價函數的設計，變異技術的自適應調節(jié)機制，優(yōu)化案例的存儲、更新和查詢。函數優(yōu)化仿真實驗結果表明，與傳統(tǒng)的遺傳算法相比，改進的遺傳算法不僅是有效的，也是可行的。改進的算法不僅可以較好地解決已有算法中出現的退化現象，而且使收斂速度有顯著提高。
　　 最后就改進的遺傳算法進行了收斂性分析，得出了改進的遺傳