基于遗传的免疫算法在函数优化中的应用.docVIP

基于遗传的免疫算法在函数优化中的应用 　　摘要:通过对传统免疫算法的研究,在此算法的基础上提出了一种改进的免疫算法―基于遗传的免疫算法,该算法把遗传算法的思想引入到免疫算法中,通过把遗传算法和免疫算法的思想结合起来,既保证了抗体的多样性又保留了群体中较优抗体,避免了免疫算法搜索速度慢和遗传算法易出现未成熟收敛、限于局部最优解的缺点,得到了全局最优解。并且将提出的基于遗传的免疫算法应用到函数优化中。 　　关键词:免疫算法;遗传算法;函数优化 　　中图分类号:TP301文献标识码:A文章编号:1009-3044(2009)25-7217-02 　　Application of Immune Algorithm Based on Genetic in Function Optimization 　　ZHAO Lian-di, MA Yong-qiang 　　(School of Information Science and Technology, Southwest JiaoTong University, Chengdu 610031, China) 　　Abstract: Through the research of traditional immune algorithm, an improved effective immune genetic algorithm is proposed based on this algorithm. The algorithm put the thought of genetic algorithm into immune algorithm, by combining idea of genetic algorithm and immune algorithm, It not only ensure the diversity of the antibody but also retain the better antibodies in group, and avoid the disadvantage of immune algorithm’s slow search speed and genetic algorithm prone to premature convergence and limit to local optimal solution, finally get the global optimal solution. And the proposed immune algorithm based on genetic applied to function optimization. 　　Key words: immune algorithm; genetic algorithm; function optimization 　　免疫算法近几年来得到了迅速发展,在众多工程和科学领域中得到了广泛应用,其中在工程应用中有许多复杂的组合优化问题和函数优化问题 ,这些问题大都是非线性的,有些甚至不连续,若不对其进行简化处理,用常规的数学优化方法一般都无法进行有效求解。免疫算法[1-2]作为一种借鉴生物免疫系统独有的计算机制,模拟生物免疫系统自适应调节过程的全局优化算法,具有搜索速度相对较快,群体多样性,容易获得全局最优解等特点。由于免疫算法有着其他算法无法比拟的优点,因此,人们广泛的应用免疫算法来解决各种实际问题,然而在实际应用中还有许多问题有待进一步研究讨论。免疫算法具有搜索全局最优解的优点,但是它的搜索速度还有待于改进,我们利用遗传算法[3-4]的搜索局部最优解的优点来调节免疫算法,使它既能避免遗传算法的“早熟”现象,又能使免疫算法的寻优速度和寻优质量有所提高。因此,研究免疫优化理论以及遗传算法[5-8]设计新的有效优化算法对优化问题具有重要的意义。 　　1 基本免疫算法 　　基本免疫算法基于生物免疫系统基本机制,模仿了人体的免疫系统。基本免疫算法从体细胞理论和网络理论得到启发,实现了类似于生物免疫系统的抗原识别、细胞分化、记忆和自我调节的功能 。如果将免疫算法与求解优化问题的一般搜索方法相比较,那么抗原、抗体、抗原和抗体之间的亲和性分别对应于优化问题的目标函数、优化解、解与目标函数的匹配程度。 　　基本免疫算法在优化领域中的应用非常广泛,但其存在以下缺点[7]: 　　1)抗体评价主要靠抗体和抗原的亲和度; 　　2)促进高亲和度抗体和抑制低亲和度抗体往往容易导致陷入局部最优; 　　3)记忆库往往只在产生初始群体时被使用,在之后的过程中只是更新记忆库,未再利用它,这没起到加速收敛的效果。 　　2 基于遗传的免疫算法 　　免疫系统对