改进的免疫克隆选择算法及其在多峰值寻优中的应用 introduction to the revised immune colonial selection algorithm and its application in optimization under multi-peak model.pdfVIP

下载本文档

2
0
约1.4万字
约 5页
2017-08-13 发布于上海
举报
版权申诉

改进的免疫克隆选择算法及其在多峰值寻优中的应用 introduction to the revised immune colonial selection algorithm and its application in optimization under multi-peak model.pdf

1、本文档共5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

改进的免疫克隆选择算法及其在多峰值寻优中的应用 introduction to the revised immune colonial selection algorithm and its application in optimization under multi-peak model

V01．32No．2 ElectricPower Heilongjiang Apr．2010 改进的免疫克隆选择算法及其在多峰值寻优中的应用常志英，韩莉，姜大伟，阮文强 (东北电力大学自动化工程学院，吉转吉林132012) 摘要：为了解决Castro克隆选择算法中存在的种群规模需根据经验确定、多峰搜索能力弱、训练时间长的问题，提出了一种新的免疫克隆选择算法，该算法基于实数编码和自适应变焦变异方法，能够动态确定种群大小。具有很强的全局和局部搜索能力，可以搜索到全局最优点和尽可能多的局部极值点。仿真实验结果表明，改进的算法平均运行时间和平均找到的峰值点个数都明显优于Castro克隆选择算法，多峰值函数的优化效果得到了显著改善。关键词：人工免疫系统；克隆选择；实数编码；自适应变焦变异中图分类号：TPl3 文献标识码：A 文章编号：1002—1663(2010)02—0138—05 Introductiontotherevisedimmune colonialselection and algorithm its in under model applicationoptimization multi-—peak CHANG Li，JIANGDawei，RUAN Zhiying，HAN Wenqiang of Dianli (SchoolAutomation，NortheastUniversity，Jilin132012，China) revisedimmunecolonialselection is forwardtoresolvethe fromtheCas— Abstract：A algorithmput problemsarising trocolonialselection as intheconfirmationof multi experience size，weak algorithm，such dependency population search new onreal and —peak capability，longtrainingperiod，etc．Thisalgorithm，basedcodingself—adapting zoomand abletoconfirm sizeunder modeandfind andlocalex· variation，is population dynamic globaloptimum tremesas as witha localsearch resultofthe and simulated many strongglobal possible