论文部分内容阅读
，例如有高坚韧性的复杂多模式、性恶的问题基于的有免疫力的算法(SALIA ) 被建议处理多样的优化问题的自我适应的学习。SALIA 算法采用了由四有效变化策略组成产生新抗体的一个变化策略水池。一个自我适应的学习框架被实现由在产生有希望的解决方案从他们的以前的表演学习选择变化策略。有不同特征的 26 个最先进的优化问题例如 uni 形式，多形式，旋转，有病条件， mis 规模和噪音，被用来验证 SALIA 的有效性。试验性的结果比同种细胞的选择算法(CLONALG ) ，和每测试的吝啬的错误索引由至少 1.