吉林师范大学学报（自然科学版）
吉林師範大學學報（自然科學版）
길림사범대학학보（자연과학판）
JILIN NORMAL UNIVERSITY JOURNAL（NATURAL SCIENCE EDITION）
2014年
1期
41-46,50
,共7页
多目标优化%混杂免疫算法%混沌克隆%Pareto有效面
多目標優化%混雜免疫算法%混沌剋隆%Pareto有效麵
다목표우화%혼잡면역산법%혼돈극륭%Pareto유효면
针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体；根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力；算法在进化过程中对不同子群采取不同突变方式；借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pa-reto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.
針對遺傳算法求解高維多目標問題時易于早熟、陷入跼部搜索等缺點.本文藉鑒生物免疫繫統的混沌現象及其自適應性和併行性,提齣一種混雜多目標免疫優化算法(HMIOA).算法基于混沌映射產生初始抗體群併利用混沌規律剋隆優秀抗體；根據抗體的被控度和抗體間的擁擠距離設計抗體的親和力；算法在進化過程中對不同子群採取不同突變方式；藉助Average linkage聚類法更新記憶細胞等.數值實驗中,選取兩種著名的多目標進化算法和一種剋隆選擇算法,應用于4種不同類型的高維多目標優化問題,比較結果錶明:HMIOA所穫Pa-reto有效麵較大的控製其他算法所穫Pareto有效麵,且有效麵的分佈較均勻.
침대유전산법구해고유다목표문제시역우조숙、함입국부수색등결점.본문차감생물면역계통적혼돈현상급기자괄응성화병행성,제출일충혼잡다목표면역우화산법(HMIOA).산법기우혼돈영사산생초시항체군병이용혼돈규률극륭우수항체；근거항체적피공도화항체간적옹제거리설계항체적친화력；산법재진화과정중대불동자군채취불동돌변방식；차조Average linkage취류법경신기억세포등.수치실험중,선취량충저명적다목표진화산법화일충극륭선택산법,응용우4충불동류형적고유다목표우화문제,비교결과표명:HMIOA소획Pa-reto유효면교대적공제기타산법소획Pareto유효면,차유효면적분포교균균.
