改进的免疫克隆遗传算法研究及其在函数优化中的应用

针对免疫克隆遗传算法存在着"早熟"和局部搜索能力弱的问题,提出了一种改进方法.该方法用一位修正算子来改进后期局部搜索方面的不足,并对免疫克隆遗传算法的各个算子进行了改进.实验表明,新的改进算法在搜索效率和搜索能力上都有着显著的提高.     

应用遗传算法原理确定函数的最优解

本文主要介绍了一种新型的、随机性的全局优化方法即遗传算法.一般应用于在一个问题的解集中查找最优解情况,如是一个问题有多个答案,但是想查找一个最优答案的话,那么使用遗传算法可以达到更快更好的效果.即在浮点编码遗传算法中加入一个函数,构成适于不可微函数全局优化的遗传算法.该算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率.     

物流运输网络优化研究

物流运输网络中的固定费用运输问题(fcTP)是物流运输中的高级问题,较难得到最优解。本文提出一种基于免疫克隆遗传算法来解决多目标固定费用运输问题。该算法将运输问题的目标函数和约束条件作为抗原,将问题的可行解作为抗体,而抗体与抗原之间的亲和度就用可行解的目标函数值来表示,通过判断抗体与抗原的亲和度和抗体的浓度来克隆选择个体进入下一代。仿真结果表明,免疫克隆遗传算法在固定费用运输问题应用中得到较好的Pareto最优集和Pareto边界。     

基于免疫的多目标优化遗传算法*

提出一种基于免疫的多目标优化遗传算法.该算法模仿生物免疫系统过程,使用克隆选择算子和高斯变异算子提高了搜索效率和收敛性;创建了一个记忆细胞集来保存每代所产生的Pareto最优解,以便产生Pareto最优解集;提出一种有别于传统聚类算法的邻近排挤算法对记忆细胞集进行不断的更新及删除,保证了Pareto最优解集的分布均匀性.最后将该算法与SPEA算法分别进行了仿真,通过比较两者的收敛性和分布性,得到前者优于后者的结论.     

改进遗传算法在图像边缘检测中的应用

由于经典的边缘检测算法都存在着一定应用范围的局限性,为此提出了一种改进遗传算法.借助费用函数的边缘检测方法,将遗传算法应用到图像边缘检测中.提出了一种新的染色体编码方案,省去了传统的解码过程,同时该算法融入禁忌搜索算法,其局部搜索能力较标准遗传算法有很大提高.实验结果表明,利用该算法进行图像边缘检测,稳定性好、收敛速度快,能较快地收敛到全局最优解或近似全局最优解,且能有效避免局部最优.     

基于免疫克隆的核匹配追踪集成图像识别算法

为了从分类器集成系统中选择一组较优个体子集,从而改善集成学习系统的性能,提出一种基于免疫克隆选择的核匹配追踪集成图像识别算法.该算法充分利用免疫克隆算法的快速收敛于全局最优解的特性,对训练得到的多个子核匹配追踪分类器进行免疫克降选择,得到一个具有更好推广性能的集成系统.对Brodatz纹理图像库以及SAR图像进行目标识别.仿真实验结果表明,相比传统核匹配追踪分类器集成和基于遗传算法的选择集成方法,本文方法有更好的集成性能.     

基于免疫量子遗传算法的多峰函数寻优

针对多峰函数优化中的全局及局部寻优问题,提出了一种结合免疫克隆算子的量子遗传算法,给出了实现流程。该算法集量子遗传算法的快速性和免疫克隆算法全局搜索性于一身。它不仅有效克服了量子遗传算法容易陷于局部最优的缺点,也避免了普通免疫克隆算法计算缓慢的缺点。用多峰值函数进行了全局寻优的仿真实验,并与基本遗传算法,量子遗传算法的计算结果进行了比较,结果表明所提算法能以较快的速度搜索到全局最优解,并且其鲁棒性远高于普通量子遗传算法和遗传算法。     

基于改进遗传算法的Web服务优化组合研究

为了获得更优的Web服务优化组合方案,提出一种基于改进遗传算法的Web服务优化组合方法。首先将Web服务组合优化方案的可行解看作遗传算法的个体。然后通过遗传算法模拟自然界的生物进化过程,找到Web服务组合的最优解,同时在标准遗传算法引入多尺度交叉算子和信息共享因子,提高问题的求解速度。最后进行仿真对比实验。结果表明,改进遗传算法可以快速、准确找到Web服务组合问题的最优解,为解决Web服务组合问题提出了一种新的解决思路。     

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。     

量子克隆遗传算法

遗传算法是解决优化问题的一种有效方法,但在实际应用申也存在着收敛速度慢、早熟等问题,使得其结果极不稳定。本文将遗传算法和量子理论相结合并利用免疫系统申所特有的克隆算子,针对0／1背包问题,提出了一种改进的进化算法-一量子克隆遗传算法（QCA）。它能有效地避免早熟,且具有收敛速度快的特点。