基于免疫算法的演化多目標(biāo)優(yōu)化方法研究.pdf

1、現(xiàn)實生活中的很多問題都是多目標(biāo)優(yōu)化問題，越來越多的專家和學(xué)者使用演化算法來解決多目標(biāo)優(yōu)化問題，并且取得了比較好的結(jié)果。在演化過程中，如果演化選擇方法使用不當(dāng)，很難使結(jié)果均勻地收斂到全局最優(yōu)解。免疫算法是依據(jù)人體免疫系統(tǒng)自我調(diào)節(jié)的方法，該算法包括抗原識別、免疫記憶、免疫調(diào)節(jié)和免疫克隆選擇等特性，使得免疫算法能夠給演化算法提供很好的啟發(fā)，解決演化算法中如何平衡全局搜索和局部搜索兩者的關(guān)系，以及如何使得最優(yōu)解能夠快速收斂到真正Pareto前端

2、的問題。
　　 本文在演化算法NSGA-Ⅱ的基礎(chǔ)上，結(jié)合了免疫算法中的親和力計算、免疫記憶、免疫克隆選擇等機理提出了基于免疫算法的演化多目標(biāo)優(yōu)化算法(IMM-NSGA-Ⅱ)。該算法具有四個創(chuàng)新點：第一，加入了免疫算法中免疫記憶特性，保持了算法中的優(yōu)秀解不被丟掉，同時改善了算法的收斂效率；第二，使用免疫算法中個體親和力的計算，避免了演化算法中個體擁擠距離計算帶來的局限性，維持種群的多樣性；第三，增加了免疫算法中的通過克隆選擇思想，

3、加大種群個體尋找空間范圍，加強算法局部搜索特性，同時對種群個體實現(xiàn)免疫變異算子，更好地促進(jìn)產(chǎn)生抗體多樣性；第四，通過對NSGA-Ⅱ算法自身局限性分析，提出了改進(jìn)適應(yīng)度策略、算術(shù)交叉算子設(shè)計、按需分層策略和設(shè)定閾值選擇策略，更好地完善了算法的多樣性和收斂性。
　　 本文最后通過典型的測試函數(shù)對改進(jìn)算法IMM-NSGA-Ⅱ進(jìn)行了測試，并且與原有算法NSGA-Ⅱ在收斂性和多樣性兩個方面進(jìn)行了比較。試驗數(shù)據(jù)表明，改進(jìn)算法IMM-NSGA