- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
优秀期刊论文,完美PDF内部资料、支持编辑复制,值得参考借鉴!!
第37卷 第20期 计 算 机 工 程 2011年 l0月
、,01.37 NO.20 ComputerEngineering October20l1
· 人工智能及识别技术 · 文章编号:10o0—_3428(2011)2__0216—3 文献标识码:A 中圈分类号:TP306.12
动态免疫优化算法及其在背包问题中的应用
钱淑渠 ,武慧虹 ,涂 歆
(1.安顺学院数学与计算机科学系,贵州 安顺 561000;2.东南大学自动化学院,南京 211189)
摘 要:利用人工免疫系统的学习、记忆、识别等功能,提出一种动态免疫优化算法(DIOA),用于解决一类高维动态约束优化问题。其中
对可行抗体进行克隆突变操作,非可行抗体按价值密度使用贪婪算法进行修正,环境识别模块借助记忆细胞产生新的环境初始群,从而加
快算法收敛速度。利用DIOA求解不同环境下的高维背包问题,结果表明,与同类算法相比,该算法能更快地跟踪最优值,收敛效果更好。
关健诃:动态环境;高维动态约束优化;背包问题;免疫优化 ;贪婪算法
DynamicImmuneOptimizationAlgorithm
andItsApplicationinKnapsackProblem
QIANShu-qu,WUHui-hong,TUXin
(1.DepartmentofMathematicandComputerScience,AnshunCollege,Anshun561000,China;
2.SchoolofAutomation,SoutheastUniversity,Nanjing211189,China)
[Abstract]ThispaperproposesaDynamicImmuneOptimizationAlgorithm(DIOA)basedonbiologicalimmunesystem learning,memorynad
recognitionfunctionstosolveaclassofhigh—dimensionaldynamicoptim izationproblem wiht constraints.Thefeasibleantibodiesareclonednad
mutated,theinfeasibleantibodiesarerepaired,bymena softheprofit—densityofantibody,andhtenew environmentalpopulationisgeneratedby
usingmemory ceilsofsimilra environment,whichacceleratestheconvergenceofalgorithm .Thealgorithm isappliedin thehigh—dimensional
knapsackproblemsraesolvedindifferentenvironments.Experimentalresultsprovethat,compraedwiht traditionalalgorithms,DIOAcantrackthe
optimum rapidlyandhasstrongerconvergentcapability.
【Keywords】dynamicenvironment;high—dimensionaldynamicconstraintoptimization;knapsackproblem;immuneoptimization;greedy
algorithm
DOI:10.3969/j.issn.1000—3428.2011.20.075
l 概述 maxf(x,t)=∑P
文档评论(0)