基于免疫的智能優(yōu)化算法理論及應用研究.pdf

1、優(yōu)化問題大量存在于科學研究和工程應用中的各個領域，因而開展最優(yōu)化方法的研究具有重要的理論意義和實用價值。傳統(tǒng)的確定性優(yōu)化方法存在諸多的局限性，難以解決當今社會日益增多的復雜問題，而以生物智能或自然現(xiàn)象為基礎的智能算法具有簡單通用、魯棒性好、適于并行處理等特點，因此成為解決復雜優(yōu)化問題的有力工具。 生物免疫系統(tǒng)是一個復雜的、高度并行的、分布式的、自適應信息處理系統(tǒng)，它能夠識別和排除侵入機體的抗原性異物，并且具有學習、記憶和自適應調

2、節(jié)能力。由于基于免疫的算法能有效地克服其他智能算法的早熟現(xiàn)象、種群多樣性不足等問題，因此借鑒和利用免疫機制，開發(fā)新的智能工具和建立混合智能算法已成為人工智能領域研究的一個熱點。 本文基于免疫系統(tǒng)的機理，結合其他智能方法進行算法的改進研究，并建立多智能方法相互融合的混合優(yōu)化技術為復雜的工程問題提供新的實用技術。論文的主要研究成果如下： 1.基本遺傳算法在進化后期收斂速度較慢、容易早熟收斂。為了解決這些問題，借鑒免疫機理，提

3、出一種基于免疫學習機制的遺傳算法。算法不僅保持了優(yōu)良抗體在進化中的主導地位，而且充分發(fā)掘強成長性抗體的尋優(yōu)潛力，在優(yōu)良記憶庫的作用下，算法對全局最優(yōu)的搜索快速且有效。仿真結果表明該算法有較強的全局收斂能力和較快的收斂速度。利用該算法優(yōu)化徑向基網絡整定的PID控制器，實現(xiàn)了三自由度飛行器模型系統(tǒng)的穩(wěn)定控制，實驗表明了這種方法的控制品質優(yōu)于線性二次型調節(jié)器控制，具有較好的適應能力、魯棒性和較快的響應速度。 2.應用小生境技術，并借鑒

4、免疫機理構造特異性免疫策略，提出一種基于特異性免疫策略的遺傳算法。函數仿真結果表明，該方法能有效地改善種群多樣性，提高算法的全局收斂能力，且算法收斂成功的概率和平均收斂代數明顯要好于同類免疫算法。以二級倒立擺為被控對象，將該算法應用于Takagi-Sugeno模糊神經網絡控制器的優(yōu)化，實物控制結果表明該方法具有良好的動穩(wěn)態(tài)性能、抗干擾能力。 3.針對進化規(guī)劃的早熟收斂問題，本文借鑒免疫系統(tǒng)的應答機制，提出了一種基于雙變異算子的免

5、疫規(guī)劃算法。該算法的核心在于采用全局柯西和局部高斯變異算子，通過保持種群的多樣性同時執(zhí)行記憶、弱小保護策略，保證了算法有效性。理論分析與仿真實驗表明，基于雙變異算子的免疫規(guī)劃算法的收斂速度，以及解的精度明顯優(yōu)越于傳統(tǒng)的進化規(guī)劃。 4.針對多峰優(yōu)化問題，提出一種基于雙變異算子的免疫網絡算法。該算法借鑒免疫系統(tǒng)的克隆選擇和免疫網絡理論，采用雙變異算子以提高算法的全局和局部搜索能力；利用動態(tài)網絡抑制策略保持種群的多樣性，自適應地調節(jié)抗

6、體群的規(guī)模。仿真結果表明該算法能有效地改善種群的多樣性，較好地實現(xiàn)全局優(yōu)化和局部優(yōu)化的有機結合，具有更強的多峰函數優(yōu)化能力。 5.針對粒子群算法易早熟、維持多樣性差等缺點，借鑒粒子群優(yōu)化的特性和免疫網絡理論，提出一種免疫粒子群網絡算法。該算法利用粒子群的信息共享和記憶功能，通過加強粒子對自身經歷的認知，提高算法的局部搜索能力；采用動態(tài)網絡抑制策略，保持種群的多樣性，自適應地調節(jié)粒子群的規(guī)模。仿真結果表明，實現(xiàn)的混合算法不僅減少了收斂所需