用于全局优化问题的混合免疫进化算法  

Hybrid immune evolutionary algorithm for global optimization problems

作　　者：刘星宝[1,2] 蔡自兴[1] 王勇[1] 彭伟雄[1] 

机构地区：[1]中南大学信息科学与工程学院,湖南长沙410083 [2]湖南商学院现代教育技术中心,湖南长沙410205

出　　处：《西安电子科技大学学报》2010年第5期971-980,共10页Journal of Xidian University

基　　金：国家自然科学基金资助项目(90820302;60805027);国家博士点基金资助项目(200805330005);湖南省院士基金资助项目(2009FJ4030)

摘　　要：为了克服免疫算法在优化高维多峰函数时存在的早熟收敛问题,提出一种高效的混合免疫进化算法.动态克隆扩张、基于学习机制的超变异和多母体交叉是该算法的主要特点.同时,提出了一种算法性能评价准则,以比较不同算法在优化高维函数时的性能.在实验部分,首先使用经典测试函数测试了混合免疫进化算法的性能;然后,分别在不同的评估次数下比较了自适应差分进化、基本免疫算法和混合免疫进化算法,结果表明免疫进化算法在求解精度、稳定性等方面均明显优于前两种算法.In order to overcome the premature of the immune algorithm when solving high dimensional multimodal functions,an efficient hybrid immune evolutionary algorithm is proposed.The main characteristics of the novel hybrid algorithm are dynamic clonal selection,learning-based hypermutation and multi-parentic crossing operators.In addition,a novel performance evaluation criterion for comparing different algorithms is constructed.In an experimental study,firstly the performance of the proposed HIEA is validated using several classical test functions;next HIEA is compared with self-adaptive differential evolution（SaDE） and a simple immune algorithm（SIA） under a certain amount of function evaluations,experimental results show that the performance of the proposed HIEA is significantly better than that of SaDE and SIA in terms of accuracy and stability.

关 键 词：全局优化问题 人工免疫系统 克隆选择算法 多母体随机交叉 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]