基于强化学习的人工免疫算法参数优化  

Parameter Optimization of Artificial Immune Algorithm Based on Reinforcement Learning

作　　者：王洁 张亚飞[2] 李明智 WANG Jie;ZHANG Yafei;LI Mingzhi(Electric Power Research Institute of State Grid Xinjiang Electric Power Co.,Ltd.,Urumqi 830011,China;Xinjiang Agricultural University,Urumqi 830052,China)

机构地区：[1]国网新疆电力有限公司电力科学研究院,乌鲁木齐830011 [2]新疆农业大学,乌鲁木齐830052

出　　处：《电工材料》2020年第6期31-34,共4页Electrical Engineering Materials

基　　金：新疆维吾尔自治区自然科学基金(2018D01B24)。

摘　　要：为解决多峰函数寻优困难、参数整定等突出问题,提出一种基于强化学习(DQN)的人工免疫算法的参数优化方法。该方法将DQN的状态输入参数作为人工免疫算法的交叉算子参数和变异算子参数,将输出函数作为调节参数的Q值,并采用人工免疫算法在多峰函数寻到的极值来表示DQN的回报。结果表明,该方法能有效地优化人工免疫算法在多峰函数的参数设置,从而节约大量调参时间,实现了对交叉算子进行参数优化的目的。In order to solve the outstanding problems of multi-peak function optimization and parameter setting,This research proposes a parameter optimization method of artificial immune algorithm based on reinforcement learning(DQN).This method takes DQN's state input parameter as the crossover operator parameter and mutation operator parameter of the artificial immune algorithm,takes the output function as the Q value of the adjustment parameter,and uses the extreme value found in the multi-peak function of the artificial immune algorithm to represent the reword of DQN(reword).The results show that this method can effectively optimize the parameter setting of the artificial immune algorithm in the multi-peak function,thus saving a lot of parameter tuning time and realizing the purpose of parameter optimization of the crossover operator.

关 键 词：强化学习 人工免疫 函数优化 

分 类 号：TM63[电气工程—电力系统及自动化] TM73