改进的免疫优化算法对动态约束多目标问题的应用.pdfVIP

第３１卷第４期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．４ ２０１４年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１４ 改进的免疫优化算法对动态约束多目标问题的应用 武慧虹　钱淑渠　高忠生 （安顺学院数学与计算机科学系　贵州安顺５６１０００） 摘　要　　基于进化理论的动态多目标优化算法极易陷入局部最优，跟踪动态Ｐａｒｅｔｏ有效面的速度及效果较差。基于免疫系统机 理提出一种改进的免疫优化算法（ＤＭＩＯＡ）用于动态约束多目标问题求解。算法通过抗体浓度及其支配度设计抗体与抗原亲和力， 随机约束选择算子提高算法约束处理能力，环境识别算子自适应判断环境变化，根据识别结果以不同的方式产生新环境的初始抗体 群。数值实验中，将ＤＭＩＯＡ应用于两种动态标准测试问题及飞机减速器参数动态设计问题的求解，结果表明：ＤＭＩＯＡ能快速跟踪 动态Ｐａｒｅｔｏ有效面，且在各环境所获面分布均匀，具有较好的实际问题求解能力。 关键词　　动态环境　多目标优化　免疫算法　动态Ｐａｒｅｔｏ有效面 中图分类号　ＴＰ３０６．２１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０４．０７４ ＡＰＰＬＹＩＮＧＩＭＰＲＯＶＥＤＩＭＭＵＮＥＯＰＴＩＭＩＳＡＴＩＯＮＩＮＤＹＮＡＭＩＣＣＯＮＳＴＲＡＩＮＴ ＭＵＬＴＩＯＢＪＥＣＴＩＶＥＰＲＯＢＬＥＭ ＷｕＨｕｉｈｏｎｇ　ＱｉａｎＳｈｕｑｕ　ＧａｏＺｈｏｎｇｓｈｅｎｇ （ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅｓ，ＡｎｓｈｕｎＣｏｌｌｅｇｅ，Ａｎｓｈｕｎ５６１０００，Ｇｕｉｚｈｏｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｄｙｎａｍｉｃｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｓａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｅｖｏｌｕｔｉｏｎｔｈｅｏｒｙｉｓｅｘｔｒｅｍｅｌｙｅａｓｙｔｏｆａｌｌｉｎｔｏｌｏｃａｌｏｐｔｉｍｕｍ，ａｎｄｉｓｐｏｏｒ ｉｎｂｏｔｈｓｐｅｅｄａｎｄｅｆｆｅｃｔｏｆｔｒａｃｋｉｎｇｔｈｅｄｙｎａｍｉｃＰａｒｅｔｏｅｆｆｅｃｔｉｖｅｆｒｏｎｔ．Ｗｅｐｒｏｐｏｓｅａｎｉｍｐｒｏｖｅｄｄｙｎａｍｉｃｉｍｍｕｎｅｏｐｔｉｍｉｓｅｄａｌｇｏｒｉｔｈｍ （ＤＭＩＯＡ）ｂａｓｅｄｏｎｉｍｍｕｎｅｓｙｓｔｅｍｍｅｃｈａｎｉｓｍｆｏｒｓｏｌｖｉｎｇｔｈｅｄｙｎａｍｉｃｃｏｎｓｔｒａｉｎｔｍｕｌｔｉｏｂｊｅｃｔｉｖｅｐｒｏｂｌｅｍ．Ｔｈｒｏｕｇｈａｎｔｉｂｏｄｙ’ｓｄｅｎｓｉｔｙａｎｄｉｔｓ ｄｏｍｉｎａｔｅｄｄｅｇｒｅｅ，ｔｈｅａｌｇｏｒｉｔｈｍｄｅｓｉｇｎｓｔｈｅａｆｆｉｎｉｔｙｏｆａｎｔｉｂｏｄｙａｎｄａｎｔｉｇｅｎ，ｔｈｅｒａｎｄｏｍｃｏｎｓｔｒａｉｎｔｓｅｌｅｃｔｉｏｎｏｐｅｒａｔｏｒｔｏｉｍｐｒｏｖｅｔｈｅａｂｉｌｉｔｙｏｆ ｃｏｎｓｔｒａｉｎｔａｎｄｐｒｏｃｅｓｓｉｎｇ，ａｎｄｔｈｅｅｎｖｉｒｏｎｍｅｎｔｓｒｅｃｏｇｎｉｔｉｏｎｏｐｅｒａｔｏｒｔｏａｄａｐｔｉｖｅｌｙｅｘａｍｉｎｅｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅｓ，ａｎｄｇｅｎｅｒａｔｅｓｉｎｉｔｉａｌ ａｎｔｉｂｏｄｙｐｏｐｕｌａｔｉｏｎｉｎｎｅｗｅｎｖｉｒｏｎｍｅｎｔｉｎｄｉｆｆｅｒｅｎｔｗａｙｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒｅｓｕｌｔ．Ｉｎｎｕｍｅｒｉｃａｌｅｘｐｅｒｉｍｅｎｔｓ，ＤＭＩＯＡｉｓａｐｐｌｉｅｄｔｏ ｔｈｅｓｏｌｕｔｉｏｎｓｏｆｔｗｏｋｉｎｄｓｏｆｄｙｎａｍｉｃｓｔａｎｄａｒｄｔｅｓｔｐｒｏｂｌｅｍｓａｎｄｔｈｅｄｙｎａｍｉｃｄｅｓｉｇｎｐｒｏｂｌｅｍｏｆａｉｒｐｌａｎｅｓｐｅｅｄｒｅｄｕｃｅｒｐａｒａｍｅｔｅｒｓ，ｔｈｅｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅｔｈａｔｔｈｅＤＭＩＯＡｃａｎｒａｐｉｄｌｙｔｒａｃｋｔｈｅｄｙｎａｍｉｃＰａｒｅｔｏｅｆｆｅｃｔｉｖｅｆｒｏｎｔ，ａｎｄｉｓｅｖｅｎｌｙｄｉｓｔｒｉｂｕｔｅｄｏｎｅａｃｈｏｂｔａｉｎｅｄｅｎｖｉｒｏｎｍｅｎｔａｌ ｓｕｒｆａｃｅ，ｉｔｈａｓｄｅｓｉｒａｂｌｅｃａｐ