一种并行免疫进化策略算法研究  

A parallel immune evolutionary strategy

作　　者：程博[1] 郭振宇[1] 王军平[1] 曹秉刚[1] 

机构地区：[1]西安交通大学机械工程学院,西安710049

出　　处：《控制与决策》2007年第12期1395-1398,1402,共5页Control and Decision

基　　金：国家星火计划项目(2004EA105003);汽车安全与节能国家重点实验室开放基金项目(KF2005-6)

摘　　要：基于克隆选择原理,提出一种自适应并行免疫进化策略.在算法中根据抗体抗原亲和度将初始抗体种群分为两个子群,相应地提出了精英克隆算子和超变异算子.通过精英克隆算子提高算法局部搜索能力,同时利用超变异算子维持种群多样性,通过这两个功能互补算子的并行操作实现种群进化.仿真表明,自适应并行免疫进化策略搜索效率高,能有效抑制早熟收敛现象,可用于解决复杂机器学习问题.Based on clonal selection theory, an adaptive parallel immune evolutionary strategy （PIES） is presented. According to antigen-antibody affinity, the original antibody population can be divided into two subgroups. Correspondingly, two immune operators, elitist clonal operator （ECO） and super mutation operator （SMO）, are proposed. The former is adopted to improve the local search ability while the latter is used to maintain the population diversity. Thus, population evolution can be actualized by concurrently operating ECO and SMO. Experimental results show that PIES is of high efficiency and can effectively prevent premature convergence. Therefore, it can be employed to solve complicated machine learning problems.

关 键 词：免疫算法 克隆选择 进化策略 并行进化 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]