基于免疫和进化扩散算法的全局优化问题求解算法

吉林大学学报(工学版)

基于免疫和进化扩散算法的全局优化问题求解算法

金弟1,2,刘大有1,2,黄晶1,2,何东晓1,2,王新华1,2

1.吉林大学计算机科学与技术学院，长春 130012；2.吉林大学符号计算与知识工程教育部重点实验室，长春 130012

收稿日期:2007-07-04 修回日期:2007-09-28 出版日期:2009-01-01 发布日期:2009-01-01
通讯作者: 刘大有

Global optimization algorithm based on immune algorithm and
evolutionary diffusion optimization

JIN Di1,2,LIU Dayou1,2,HUANG Jing1,2,HE Dongxiao1,2,WANG Xinhua1,2

1.College of Computer Science and Technology,Jilin University,Changchun 130012,China;2.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education,Jilin University,Changchun 130012,China

Received:2007-07-04 Revised:2007-09-28 Online:2009-01-01 Published:2009-01-01
Contact: LIU Da-you

摘要/Abstract

摘要： 在求解全局优化问题时，通常免疫算法、进化扩散算法分别在局部搜索和全局搜索方面表现较弱。针对这一情况，基于免疫和进化扩散算法，提出了一个免疫进化扩散算法。该算法结合了免疫和进化扩散两种算法的优点，一方面通过引入基于共享机制的小生境算法，保持了群体的多样性，另一方面通过提出一种步长参数动态调整策略，提高了算法效率。实验结果表明，在给定精度下，该算法的效率和稳定性都明显优于Tsui的进化扩散算法和Ingber的自适应模拟退火算法。最后对步长参数动态调整策略进行了分析。

关键词: 人工智能, 全局优化算法, 免疫进化扩散算法, 小生境

Abstract: In solving global optimization, immune algorithm is usually weak in local search, while evolutionary diffusion optimization is weak in global search. To overcome these shortcomings, an immune-evolutionary-diffusion optimization algorithm was proposed. This algorithm combines the advantages of the immune algorithm and evolutionary diffusion optimization. On one hand, it retains the diversity of colony through importing the niche algorithm; on the other hand, it improves the efficiency of the algorithm by proposing a strategy of dynamically adjusting the parameter of step size. Experimental results show that, regarding the efficiency and stability for a given precision, this algorithm performs better than Tisui's evolutionary diffusion optimization and Ingber's adaptive simulated annealing algorithm. The strategy of dynamically adjusting the parameter of step size was analyzed.

Key words: artificial intelligence, global optimization algorithm, immuneevolutionary diffusion optimization, niche

中图分类号:

TP18

金弟,,刘大有,,黄晶,,何东晓,,王新华, . 基于免疫和进化扩散算法的全局优化问题求解算法[J]. 吉林大学学报(工学版), 2009, 39(01): 124-130.

JIN Di1,2,LIU Dayou1,2,HUANG Jing1,2,HE Dongxiao1,2,WANG Xinhua1,2 . Global optimization algorithm based on immune algorithm and
evolutionary diffusion optimization[J]. 吉林大学学报(工学版), 2009, 39(01): 124-130.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed