求解多目標(biāo)函數(shù)的一種免疫遺傳算法.pdf

1、遺傳算法抽象于生物體的進(jìn)化過程，通過全面模擬自然選擇和遺傳機(jī)制，形成一種具有“生成+檢驗(yàn)”特征的搜索算法。但由于自然進(jìn)化和生命現(xiàn)象的“測不準(zhǔn)”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(shí)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(jī)地進(jìn)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(jìn)化機(jī)會的同時，也不可避免的產(chǎn)生早熟、種群多樣性減少等退化現(xiàn)象。其次，每一個待求的實(shí)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(fù)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(shù)、多樣性改善技術(shù)、自適應(yīng)變異技術(shù)三個方面做出了改進(jìn)。本文是有四個關(guān)鍵技術(shù)點(diǎn)：改進(jìn)遺傳算法的初始化策略，濃度算子的設(shè)計(jì)和新適應(yīng)度評價(jià)函數(shù)的設(shè)計(jì)，變異技術(shù)的自適應(yīng)調(diào)節(jié)機(jī)制，優(yōu)化案例的存儲、更新和查詢。函數(shù)優(yōu)化仿真實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的遺傳算法相比，改進(jìn)的遺傳算法不僅是有效的，也是可行的。改進(jìn)的算法不僅可以較好地解決已有算法中出現(xiàn)的退化現(xiàn)象，而且使收斂速度有顯著提高。
　　 最后就改進(jìn)的遺傳算法進(jìn)行了收斂性分析，得出了改進(jìn)的遺傳