基于免疫学习机制的遗传算法.docxVIP

基于免疫学习机制的遗传算法 1 免疫遗传算法 自horad提出遗传计算方法（ga）以来，遗传计算方法已成为模拟生命发展机制的搜索和优化方法，并在许多领域得到了广泛应用，如其鲁莽、合并和高效的全球搜索优势。然而，ga也有一些缺点，即局部多样性和搜索能力较弱。早期，它容易进入局部最优者，其次，最好的解算速度慢。因此，如何提高遗传计算方法退出局部最优者的能力，以及提高遗传计算方法的收敛速度一直是科学家们的研究重点。 为了提高遗传算法的性能, 学者们从不同角度对遗传算法进行改进, 如建立新的算法结构、改进遗传算子、融合其他先进算法等.近些年在免疫学领域的研究, 发现免疫机制对提高遗传算法的性能具有重要的启迪作用, 所以许多学者利用免疫系统的特性来改进遗传算法.王煦法提出一种免疫遗传算法 (Immune Genetic Algorithm, IGA) , 该算法模拟了免疫系统基于抗体浓度的选择策略, 并通过记忆细胞分化来保留精英个体, 提高了算法的全局和局部搜索能力.但该算法用平均信息熵来计算抗体的浓度存在一定的问题, 一些相近的抗体之间可能得到的亲和度相差较大, 从而得出错误的抗体浓度;而且该算法不能根据种群中抗体的变化而相应地调整遗传参数, 也影响了算法的收敛性能.Chun等人借鉴免疫应答机制, 提出一种免疫算法 (Immune Algorithm, IA) , 解决了电磁器件的形态优