论文部分内容阅读
人工免疫算法是一种受生物免疫系统启发而设计的新型智能优化算法。它结合了问题的先验知识和生物免疫系统的自适应能力，因而具有在信息处理方面有较强的鲁棒性、在求解优化问题时不要求目标函数具有可导性等附加信息、在搜索过程中能更好地收敛到全局最优解等特点，现已被用于机器学习、异常和故障诊断、机器人行为仿真、机器人控制、网络入侵检测、函数优化等众多领域，表现出卓越的性能和效率，被人们认为是最具潜力的智能搜索算法之一。本文在已提出的人工免疫算法的基础上，结合免疫原理，对人工免疫算法及其在优化问题中的应用进行了研究，主要体现在以下几个方面：(1)针对免疫系统能通过注射疫苗来达到快速识别抗原的特性，提出了一种基于动态疫苗提取的免疫遗传算法(Immune Genetic Algorithm Based Dynamic Vaccine Extraction，简称IGAB)，并将其用于TSP问题求解。仿真结果表明，IGAB能抑制遗传算法在迭代过程中出现的退化现象，提高算法的收敛速度。(2)根据B细胞的克隆选择机制是免疫系统产生抗体多样性的重要手段，提出了一种改进的自适应克隆选择算法(Improved Adaptive Clonal Selection Algorithm，简称IACSA)，并将其用于多维函数的优化中。仿真结果表明，IACSA能有效抑制基本克隆选择算法在其迭代后期的停滞现象，提高算法的搜索精度。(3)根据克隆细胞能通过其抗体基因多次重复随机突变和基因块重组来产生种类繁多的免疫细胞，从而获得大量识别能力比母体强的B细胞这一原理，本文提出了一种基于超变异和克隆空间扩展的克隆选择算法(Clonal Selection Algorithm with Hyper Mutation and Spatial Clone Extension，简称HSCSA)，并将其用于多峰值函数的优化中。仿真结果表明，HSCSA不仅具有较高的搜索精度，而且还使得算法能够及时跳出局部最优点，找到全局最优解。最后，本文对人工免疫算法的研究成果及应用前景作了总结和展望。