标题 | 免疫算法关键技术与优化研究 |
范文 | ![]() ![]() 摘要摘要:在生物科学和信息学科研究领域,国内外专家已经对进化、遗传和免疫等自然现象进行了广泛而深入的研究。设计了一种新的并行混沌免疫优化算法,该算法不仅将混沌优化的最新成果引入到免疫算法研究领域,而且将混沌优化和免疫算法进行有机融合,为免疫算法研究领域提供了新的研究工具和方法。 关键词关键词:免疫算法;免疫克隆选择算法;自适应免疫算法;人工免疫系统;并行混沌免疫优化算法 DOIDOI:10.11907/rjdk.1511056 中图分类号:TP312 文献标识码:A文章编号文章编号:16727800(2015)011005103 基金项目基金项目:海南省自然科学基金项目(20156230);海南省高等学校科学研究项目(Hjkj2013-56);海南省自然科学基金项目(614242) 作者简介作者简介:龙著乾(1983-),男,海南海口人,硕士,海南软件职业技术学院软件工程系副教授,研究方向为数据库、Web开发、算法优化;崔顺天(1991-),女,海南万宁人,海南软件职业技术学院软件工程系助教,研究方向为审计、统计学。 0引言 在生物科学和信息学科研究领域,国内外专家已经对进化、遗传和免疫等自然现象进行了广泛而深入的研究。生物免疫系统是一种高度并行的自适应信息学习系统,它能自适应地识别和排除侵入机体的抗原性异物,并且具有学习、记忆和自适应调节能力[12]。生物免疫系统包含了许多信息处理机制,人们通过深入研究其各种信息处理机制,可以设计出适合于许多复杂问题的模型和算法。生物免疫理论为改进原有算法的性能,建立集进化与免疫机制于一体的新型全局并行算法奠定了基础。 免疫算法(Immune Algorithm,IA)就是基于该思想,将免疫概念及其理论应用于遗传算法,在保留原算法优良特性的前提下,力图有选择、有目的地利用待求问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象[45]。本文将利用混沌优化和免疫算法在组合优化领域中的最新成果,将混沌优化概念及其理论应用于免疫算法,在保留原算法优良特性的前提下,力图有选择、有目的地利用待求问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象。本文设计的一种新免疫算法——并行混沌免疫优化算法(Parallel Chaos Immune Optimization Algorithm,PCIOA),不仅将混沌优化的最新成果引入到免疫算法研究领域,而且将混沌优化和免疫算法有机融合,为免疫算法研究领域提供新的研究工具和方法。 1免疫算法关键技术 生物免疫机制与进化计算有互补作用。因此,将生物免疫机制融入进化计算能有效提高进化计算的性能。最近20多年,人工免疫系统进入了兴盛发展期,有关论文和研究成果逐年增加[67]。 免疫算法在短期内已经成为计算智能领域研究的一个重要分支,显示出巨大的潜力和强劲的发展势头。免疫算法的性能主要表现如下:①算法的执行速度;②算法的求解精度;③算法的收敛速度;④算法实现的复杂性;⑤算法融合的复杂性;⑥算法的稳定性。其中,免疫算法的求解精度和执行速度是研究人员最关注的因素,但往往忽略了算法的稳定性和收敛速度。 免疫算法成功与否受制于免疫系统的发展及其发展程度,它作为一个新的研究领域只是刚刚开始[8]。随着人类对免疫系统的深入研究,免疫算法在理论和实践上有待取得新的突破。针对影响免疫算法性能因素,我们不难分析出免疫算法的关键技术:①免疫算法的初始种群。初始种群规模不能太小,而且初始抗体在解空间必须遵循一定的规则,不能随机分布;②免疫算法的克隆规模一般跟抗体的亲和度值成正比,亲和度值越大,则克隆规模随之扩大,但是规模太大容易导致算法陷入局部最优;③免疫算法的操作实现起来不能太复杂,否则算法实现起来比较困难,容易导致在实际应用过程中出现求解误差较大的情况。 2免疫算法的改进与优化 人们根据生物免疫系统的相关机理,包括响应原理和克隆原理,将免疫算法与其它启发式算法相结合,先后设计出许多新型的智能优化算法,其中比较典型的有: (1)免疫遗传算法(Immune Genetic Algorithm,IGA)。是一种将免疫算法和遗传算法相结合的并行算法[9]。该算法的突出优点是将遗传算法的变异和交叉操作,引入到免疫算法中,同时将轮盘赌选择策略融入到克隆操作中。免疫遗传算法是基于生物免疫机制提出的一种改进的遗传算法,它将求解问题的目标函数对应为入侵生命体的抗原,而问题的解对应为免疫系统产生的抗体。IGA算法将免疫算法和遗传算法进行优势互补,实现算法的局部和全局搜索平衡。 (2)自适应免疫算法(Adaptive Immune Algorithm,AIA)。属于一种动态的免疫优化算法。该算法的交叉算子随着群体规模动态变化,同时选择概率也随着抗体的浓度动态更新[1011]。AIA算法能较好地跳出算法的局部最优值,从而在一个更大的范围内找寻最优解。自适应免疫算法引入了领域的概念,通过扩展和突变操作对多个可行解进行领域搜索,实现了在局部和全局范围内同时寻优。 (3)免疫克隆选择算法(Immune Clonal Selection Algorithm,ICSA) [12]。免疫克隆选择算法是模拟自然免疫系统功能的一种新的智能方法,具有学习记忆功能,为信息处理提供了新的方法和思维模式。ICSA算法是一种寻优效率较高的随机搜索方法,已经在人工智能、机器学习等方面得到了广泛的应用。 (4)改进的免疫优化算法(Improved Immune Optimization Algorithm,IIOA)。 是一种针对免疫算法的缺点进行优化和改进的全局智能优化算法[1314]。它在传统进化算法的基础上,引入了亲和度成熟、抗体浓度、克隆和记忆机理,并利用相应的算子保证了该算法能快速地收敛到全局最优解。 4结语 免疫算法是受生物免疫系统信息处理方式启发构造的一类新智能优化算法。本文利用免疫算法的响应原理和克隆机理,设计出一种全局的优化免疫算法——并行混沌免疫优化算法,具有执行速度快、收敛到全局最优等优点,能广泛应用在各种工业领域。 参考文献参考文献: [1]CHEN HENG HUI.Chaos synchronization between two different chaotic systems via nonlinear feedback control[J].Nonlinear Analysis: Theory,Methods& Application,2009,70(12):43934401. [2]郑皓凌,唐常杰,徐开阔,等.基于协同进化的异构种群挖掘混沌迭 代函数[J].计算机学报,2010 ,33(4):672685. [3]RANJIT KUMAR.Dynamics of an ecological model living on the edge of chaos[J].Applied Mathematics and Computation,2009,210(2):455464. [4]洪露,纪志成,龚成龙.混沌克隆选择算法及其收敛速度分析[J].系统仿真学报,2011,23(10):20602064. [5]WANNENG SHU,SHIJUE ZHENG,LI GAO,et al.An improved genetic simulated annealing algorithm applied to task scheduling in grid computing[J].Dynamics of Continuous Discrete and Impulsive SystemsSeries Bapplications & Algorithms,2006(12):831835. [6]ZHONG WEICAI,LIU JING,XUE MINGZHI,et al.A multiagent genetic algorithm for global numerical optimization[J].IEEE Trans.System,Man and Cybernetics—Part B.2004,34(2) :11281141. [7]吴建辉,章兢,张小刚,等.一种求解TSP问题的分层免疫算法[J].计算机科学,2010,37(6):256260. [8]HISAO ISHIBUCHI,TAKASHI YAMAMOTO.Fuzzy rule selection by multiobjective Genetic local search algorithm and rule evaluation measures in data mining [J].Fuzzy Sets and Systems,2004,141(2):5988. [9]刘丽珏,蔡自兴.变异协同进化的免疫克隆算法[J].控制与决策,2008,23(6):613618. [10]CHEN H,ZHANG J S.Chaos updating rotated gates quantuminspired genetic algorithm[C].IEEE Proc.on Communication,Circuits and System.Chengdu: UESTC Press,2004:11081112. [11]Y GAO,H Q RONG , J Z HUANG.Adaptive grid job scheduling with genetic algorithms[J].Future Generation Computer Systems,2005,21 (3) :15101518. [12]李亚东,李少运.一种新的遗传混沌优化组合方法[J].控制理论与应用,2002,19(1):143145. [13]JIAO LICHENG,DU HAIFENG.An artificial immune system:pogress and prospect[J].ACTA ELECTRONICA SINICA,2003,31(10):15401549. [14]曹先彬,段建国.基于免疫选择和自组织临界变异的进化算法[J].系统仿真学报,2004,16(8):17851788. 责任编辑(责任编辑:杜能钢) |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。