一种新的免疫遗传算法及其应用

为了克服基本遗传算法存在的缺点和不足,将免疫系统中抗体多样性的维持机制引入遗传算法,同时兼顾个体多样性和提高种群中个体适应度的水平,提出了基于相似性矢量距为选择概率的免疫遗传算法,并给出了此类概率选择的一般表示形式.为了防止基于相似性矢量距为选择概率的免疫遗传算法在优化过程中出现退化现象,通过在算法中引入免疫疫苗的方式,对该算法进一步加以改进.从每一代保优抗体中提取有效信息,进而得到一种新的疫苗提取方法.基于所提出的改进免疫遗传算法,提出了改进的编码方案.对20个城市的TSP问题进行研究,通过不同参数的比较,得出了算法中相关参数的取值范围.比较了6种算法的收敛速度,进一步证实了所提出算法具有良好的收敛性.     

基于模糊K—Modes和免疫遗传算法的聚类分析

为了克服传统的模糊K-Modes算法分类正确率低、收敛速度慢的缺点,文中将免疫遗传算法应用到聚类分析中,提出了一种基于模糊K-Modes和免疫遗传算法的聚类算法.通过引入免疫算子,不仅提高了收敛速度,而且避免了陷于局部极小,从而能较快地收敛到全局最优解.免疫算子包括抽取疫苗、接种疫苗和选择疫苗.实验结果证明,此算法具有较好的聚类效果,且稳定性强.     

一种基于种群划分及杂交的免疫遗传算法

在免疫遗传算法中引入免疫算子可以提高算法的收敛速率,但也会降低种群个体多样性,不利于搜索.该文提出一种基于种群划分和杂交的免疫遗传算法,通过划分种群并对种群间的最优个体进行杂交来提高算法的速率和稳定性.实验表明,该算法在性能上可提高10%左右,收敛速度快、稳定性好、精确度高.     

基于多种群的自适应免疫进化计算

将免疫思想同思维进化计算相结合，提出一种新的基于多种群的自适应免疫进化算法（IABM），算法定义了选择、记忆、克隆、超变异、抑制5种基本算子．试验结果表明该算法具有高效的收敛速度，并能收敛到全局最优点．与多种群遗传算法和思维进化计算相比，IABM收敛速度更快，收敛率更高．     

一种求解车间作业调度问题的免疫算法

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统。基于免疫系统的克隆选择机制,提出一种求解车间作业调度问题的免疫算法。利用免疫算法较强的搜索能力可以实现全局寻优。通过使用克隆、高频变异和抗体抑制等免疫操作,提高了算法的收敛速度和种群的多样性,可以有效地克服遗传算法种群早熟化和收敛速度慢的问题。仿真结果表明,与改进后的遗传算法比较,提出的免疫算法在全局最优解和收敛速度上都有较为明显的优势。     

基于关键路径疫苗的免疫遗传算法求解JSP问题

车间作业调度是决定工件加工顺序以及分配相应设备的过程,合理的调度方案能提高设备利用率.针对单件车间调度问题,采用免疫遗传算法进行调度方案求解.基于关键路径的思想,提出一种新的疫苗提取和接种方法.疫苗提取时,取种群中最优个体的关键路径信息作为疫苗,接种时,依据该疫苗信息修改待接种个体各机器上的工件安排顺序,从而继承最优个体关键路径上的信息,提高个体适应度,加速算法寻优过程.通过对标准测试案例的求解,以及与其他算法的比较,结果表明关键路径疫苗技术是有效的.     

异构环境下独立任务分配问题的免疫遗传算法

针对异构环境下独立任务分配问题，提出了一种免疫遗传算法，为抑制早熟停滞现象，基于免疫原理，为遗传算法定义了染色体浓度，采用免疫变异算子来维持种群的多样性，采用接种疫苗算子来提高算法的求精能力，使算法在空间探索和局部求精间取得了很好的平衡，仿真结果表明．遗传算法能够很好地应用于求解任务分配问题，基于免疫原理的优化算子能够有效地提高遗传算法的搜索效率、优化搜索结果．     

遗传算法与人工免疫算法对车间调度问题求解

针对求解job-shop调度问题中存在的易出现局部最优、效率低下的问题,提出了一种新算法。该算法 采用了一种评价种群过早收敛标准的方法,引进了新的加快遗传算法进化速度的交叉算子,最后设计了人工免 疫算法中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和最后完工机器个体的接种方法。 通过实验证明该算法能够有效地解决易出现局部最优、效率低下等问题。     

一种用于优化计算的自适应免疫遗传算法

遗传算法在进化过程中易出现早熟收敛、不能保证种群多样性的现象。鉴于免疫算法适用于多峰值寻优,文章在标准遗传算法中引入免疫机制,提出了一种自适应免疫遗传算法。变异率自适应和种群大小自适应提高了算法全局寻优的稳定性,个体浓度的使用改进了种群的多样性,引入二次应答机制和精英库提高了收敛速度。试验表明,该算法收敛速度快、稳定性好,并保证了种群多样性。     

基于免疫的新进化方法

遗传算法等进化算法是一种模拟达尔文＂适者生存＂进化思想的仿生算法,在求解复杂优化问题方面有巨大潜力。但在遗传算法等进化方法中,通过交叉、变异等过程产生的种群个体带有一定的随机性,而且会出现种群质量倒退的现象,故它们存在收敛速度较慢且易于陷入局部最优的缺点。如果引入免疫中的负选择思想,将进化种群的劣质个体视为＂非我＂,利用负选择对每代种群进行筛选,由此可以识别出劣质个体,并将其消灭,使种群快速收敛于全局最优。本文根据免疫的负选择思想,在遗传算法的基础上提出一种基于免疫的新进化算法。并将其应用于求解多极值函数的最值问题,通过实验表明了此方法具有更好的性能。     

CRGA--一种基于保留全局公共模式和约束交叉位置的遗传算法

提出了一种基于保留全局公共模式和约束交叉位置的遗传算法CRGA，该算法解决了标准交叉算子容易破坏高阶、长而好的模式及其在相似个体之间低效的问题，CRGA通过对适应度高于群体平均适应度的个体模式基因值的统计来估算父个体基因值在子个体中保留的概率，从而达到对高阶、长而好的模式的保护；同时通过约束交叉位置，保证了交叉操作一定能产生新个体．实验结果表明，CRGA算法在收敛精度和收敛速度上都要明显优于基于标准交叉算子的遗传算法．     

基于均匀分割的多种群并行遗传算法

针对标准遗传算法在处理多峰函数优化问题时易出现的成熟前收敛现象，在讨论了模式样本分布特点的基础上，提出了一种通过均匀分割对种群分类的多种群并行遗传算法。由均匀分割可以得到几个既不重叠又都能反映函数整体性质的子空间，在这些子空间上并行搜索最优解，同时将每一代在各自空间上搜索到的优秀个体集中在一起，进而在全空间上搜索最优解的具体位置。由于在这些子空间上的搜索是彼此独立的，所以同时发生“早熟”现象的机会大大降低。理论分析和对多峰函数的仿真结果均表明，该算法在不影响收敛速度的条件下，发生成熟前收敛的概率明显下降。     

A genetic algorithm with disruptive selection

Genetic algorithms are a class of adaptive search techniques based on the principles of population genetics. The metaphor underlying genetic algorithms is that of natural evolution. Applying the “survival-of-the-fittest” principle, traditional genetic algorithms allocate more trials to above-average schemata. However, increasing the sampling rate of schemata that are above average does not guarantee convergence to a global optimum; the global optimum could be a relatively isolated peak or located in schemata that have large variance in performance. In this paper we propose a novel selection method, disruptive selection. This method adopts a nonmonotonic fitness function that is quite different from traditional monotonic fitness functions. Unlike traditional genetic algorithms, this method favors both superior and inferior individuals. Experimental results show that GAs using the proposed method easily find the optimal solution of a function that is hard for traditional GAs to optimize. We also present convergence analysis to estimate the occurrence ratio of the optima of a deceptive function after a certain number of generations of a genetic algorithm. Experimental results show that GAs using disruptive selection in some occasions find the optima more quickly and reliably than GAs using directional selection. These results suggest that disruptive selection can be useful in solving problems that have large variance within schemata and problems that are GA-deceptive     

Evolutionary algorithm based on schemata theory

The stochastic schemata exploiter (SSE), which is one of the evolutionary algorithms based on schemata theory, was presented by Aizawa. The convergence speed of SSE is much faster than simple genetic algorithm. It sacrifices somewhat the global search performance. This paper describes an improved algorithm of SSE, which is named as cross-generational elitist selection SSE (cSSE). In cSSE, the use of the cross-generational elitist selection enhances the diversity of the individuals in the population and therefore, the global search performance is improved. In the numerical examples, cSSE is compared with genetic algorithm with minimum generation gap (MGG), Bayesian optimization algorithm (BOA), and SSE. The results show that cSSE has fast convergence and good global search performance.     

基于动态疫苗提取的免疫遗传算法求解TSP问题

针对免疫系统能通过注射疫苗来达到快速识别抗原的特性,对免疫遗传算法进行改进.根据抗体的优劣来从中提取不同长度的疫苗,并在此基础上提出一种基于动态疫苗提取的免疫遗传算法(IGAB),将其用于TSP问题的求解中,实验结果表明,IGAB能够抑制遗传算法在迭代过程中出现的退化现象,提高算法的收敛速度.     

基于免疫学习机制的遗传算法及其应用

针对基本遗传算法在进化后期收敛速度慢、易早熟收敛的问题,提出一种基于免疫学习机制的遗传算法(ILGA)．该算法的核心在于保持种群的多样性和执行强化学习及弱小保护策略,算法不仅保持了优良抗体在进化中的主导地位,而且充分发掘强成长性抗体的寻优潜力,在优良记忆库的作用下,算法对全局最优的搜索快速且有效．通过标准函数的优化试验,仿真结果表明该算法有较强的全局收敛能力和较快的收敛速度．以二级倒立摆为被控对象,利用ILGA优化T S模糊神经网络控制器,实验证明了该方法具有稳态性好、响应速度快等优点．     

一种双变异率的改进遗传算法及其仿真研究

针对标准遗传算法收敛速度慢,寻优能力差,易陷入局部最优等问题,提出了一种双变异率的改进遗传算法。在进化过程中,引入广义海明距离这个概念,当由广义海明距离控制的交叉操作产生个体数不足种群规模时,对原种群进行局部小变异,这样在避免近亲繁殖的同时又可扩大搜索空间,增加种群多样性,有效地抑制了早熟收敛;随后进行的全局大变异保证整个过程全局收敛。仿真实验用典型的测试函数验证了此算法能显著提高解的质量和收敛速度。     

一种求解高维优化问题的多目标遗传算法及其收敛性分析

单纯Pareto遗传算法很难解决目标数目很多的高维多目标优化问题，在多个指标之间引入偏好信息，提出的多目标遗传算法使进化群体按协调模型进行偏好排序，改变了传统的基于Pareto优于关系来比较个体的优劣。另外讨论了算法在满足一定条件下具有全局收敛性，典型算例的数学解析和实验验证了其具有较好的收敛性和收敛速度．     

基于混沌理论的动态种群萤火虫算法

针对萤火虫算法在全局寻优搜索中收敛速度慢、求解精度低,易陷入局部极值区域等缺陷,提出一种基于混沌理论的动态种群萤火虫算法。首先,该算法采用立方映射产生的混沌序列对萤火虫位置进行初始化,为全局搜索的多样性奠定基础; 其次,通过对种群的动态监测,每当算法满足预设条件时,基于混沌序列生成部分新的个体,以提高算法的收敛速度; 最后,对每一代产生的全局最优解,适时采用高斯扰动进行变异操作,使算法更具有跳出局部极小的能力。通过对6个复杂Benchmark函数进行测试,实验结果表明,该算法提高了全局搜索能力、收敛速度和解的精度。     

A novel hybrid genetic algorithm using local optimizer based on heuristic pattern move

A new hybrid genetic algorithm with the significant improvement of convergence performance is proposed in this study. This algorithm comes from the incorporation of a modified microgenetic algorithm with a local optimizer based on the heuristic pattern move. The hybridization process is implemented by replacing the two worst individuals in the offspring obtained from the conventional genetic operations with two new individuals generated from the local optimizer in each generation. Some implementation-related problems such as the selection of control parameters in the local optimizer are addressed in detail. This new algorithm has been examined using six benchmarking functions, and is compared with the conventional genetic algorithms without the local optimizer incorporated, as well as the hybrid algorithms incorporated with the hill-climbing method in terms of convergence performance. The results show that the proposed hybrid algorithm is more effective and efficient to obtain the global optimum. It takes about 6.4%-74.4% of the number of generations normally required by the conventional genetic algorithms to obtain the global optimum, while the computation cost for reproducing each new generation has hardly increased compared to the conventional genetic algorithms. Another advantage of this new algorithm is the implementation process is very simple and straightforward. There are no extra function evaluations and other complex calculations involved in the added local optimizer as well as in the hybridization process. This makes the new algorithm easy to be incorporated with the existing software packages of genetic algorithms so as to further improve their performance. As an engineering example, this new algorithm is applied for the detection of a crack in a composite plate, which demonstrates its effectiveness in solving engineering practical problems.