一种加快基于信息熵的人工免疫算法运行速度的方法

为了提高人工免疫算法(AIA)的运行速度，对AIA的算法构成进行了详细深人的分析研究，发现AIA的大部分机时耗费在计算抗体群信息熵过程中的大量的对数函数重复计算上面，据此提出了一种利用查表方法计算对数函数和定长染色体构成的有限群体信息熵的方法，并把该方法应用到基于信息熵的人工免疫算法中去。仿真实验结果表明，新的方法使基于信息熵的人工免疫算法的运行速度提高了16．6倍，而对人工免疫算法的其他性能影响很小。     

基于欧氏距离和精英交叉的免疫算法研究

针对免疫算法(AIA)的运行速度和收敛速度慢的缺点,提出一种精英交叉策略,并将精英交叉策略与基于欧氏距离的免疫算法相结合,得到一种基于欧氏距离和精英交叉的免疫算法(DKBAIA).提出了抗体相似矩阵的概念和一种改进的措施,对DKBAIA进行改进,从而得到改进的DKBAIA算法(MDKBAIA).仿真结果表明,精英交叉策略对免疫算法的收敛性能有显著的改善;MDKBAIA的运行速度也得到极大的提高,已接近GA的运行速度.     

改进人工免疫算法的分析研究

详细分析了人工免疫算法(AIA)基于信息熵计算抗体浓度存在的缺点,提出了三种新的浓度计算方法。分析了基于新的浓度计算方法的各种改进的人工免疫算法的收敛性。对两种变形大海捞针类函数的优化结果表明,改进的人工免疫算法较传统的人工免疫算法有较大的优越性。