人工免疫算法的基礎(chǔ)研究及其應(yīng)用.pdf

1、免疫系統(tǒng)、遺傳系統(tǒng)以及神經(jīng)系統(tǒng)三者，具備大規(guī)模并行信息處理能力、強(qiáng)大的學(xué)習(xí)能力、記憶能力、識別能力、自適應(yīng)性和魯棒性、自組織能力和保持多樣性的能力。 早熟收斂，容易陷入局部最優(yōu)是標(biāo)準(zhǔn)遺傳算法存在的致命。通過適應(yīng)度尺度變換來調(diào)節(jié)選擇壓力是克服這一缺陷的主要方法。但適應(yīng)度尺度變換是依賴于問題的，通用性稍差。 通過對高等脊椎動物免疫系統(tǒng)的了解，我們得到了解決問題的一些啟示： 針對遺傳算法早熟收斂，容易陷入局部最優(yōu)的缺陷

2、，將免疫濃度調(diào)節(jié)機(jī)制引入到遺傳算法，形成免疫遺傳算法。免疫遺傳算法采用適應(yīng)度和濃度兩個指標(biāo)對個體(抗體)作出進(jìn)化評價，有效地調(diào)節(jié)了選擇壓力，保持了群體的多樣性，克服了遺傳算法早熟收斂的弱點，提高問題解的質(zhì)量。在對現(xiàn)有免疫遺傳算法研究的基礎(chǔ)上，提出一種基于百分比的抗體相似度定義方法，由此形成一種改進(jìn)的免疫遺傳算法，有效提高算法計算速度、克服早熟收斂。 克隆選擇學(xué)說是用來解釋生物免疫系統(tǒng)如何消除外來抗原的機(jī)制。克隆選擇算法采取親和度

3、為比例的繁殖和變異策略，通過搜索周邊的空間，實現(xiàn)局部的優(yōu)化，由此實現(xiàn)對全局的優(yōu)化。針對目前克隆選擇算法多峰尋優(yōu)能力弱的缺陷，在研究經(jīng)典克隆選擇算法的基礎(chǔ)上，提出一種改進(jìn)的克隆選擇算法，仿真實驗證明該改進(jìn)算法的有效性。 基于“克隆選擇、陰性選擇、免疫網(wǎng)絡(luò)”等免疫學(xué)原理，人工免疫網(wǎng)絡(luò)通過模擬免疫網(wǎng)絡(luò)對抗原的刺激過程，有效地解決數(shù)據(jù)聚類問題。聚類問題可視為一種多峰優(yōu)化問題，由此提出了一種面向多峰值函數(shù)優(yōu)化的人工免疫網(wǎng)絡(luò)算法。該算法能夠

4、有效提取出目標(biāo)函數(shù)的絕大部分局部峰值，并具備群體數(shù)量自動調(diào)節(jié)和實數(shù)編碼等優(yōu)良特性，但有時會出現(xiàn)早熟現(xiàn)象。針對該缺陷，提出一種改進(jìn)的人工免疫網(wǎng)絡(luò)，實驗證明改進(jìn)的人工免疫網(wǎng)絡(luò)能夠有效克服早熟現(xiàn)象。 比例-積分-微分控制器由于算法簡單、魯棒性好、可靠性高，能提供比其它控制器更高的性能/價格比，因而在工業(yè)界得到廣泛應(yīng)用。傳統(tǒng)的PID參數(shù)整定在控制非線性、時變、耦合及參數(shù)和結(jié)構(gòu)不確定的復(fù)雜過程時，性能大大降低。采用免疫算法(免疫遺傳、克隆