论文部分内容阅读
免疫克隆遗传算法已被成功应用于数据挖掘、网络安全、异常检测和最优化理论等领域，求解约束多目标优化问题时，虽然免疫克隆遗传算法性能卓越，但也存在不足，如不可行精英解不宜保留，无法直接学习进化经验，缺乏进化方向引导机制等。针对上述不足，本文进行了改进，具体的改进措施有: (1)在免疫克隆算法的基础上，通过引入环境策略，定义环境策略Pareto支配和环境策略变异，新算法的操作机制如下:结合个体4个环境信息定义环境策略Pareto支配，4个环境信息包括违反约束度、支配关系、聚集密度和与约束边界距离，设置一个大小为N的精英种群，存储环境策略Pareto支配选择的优秀个体，再对精英种群实施克隆操作。约束条件处理后，通过学习系数、遗忘系数、修复系数定义环境策略变异，引入环境策略变异，提高算法学习先验知识的能力。通过数值实验和量化度量准则，对比结果表明，新算法的效率和解集的质量均得到了明显的改善。 (2)在免疫克隆进化算法的基础上，引入种群分类和方向引导策略，新算法的操作机制如下:通过种群分类，将抗体分为非支配解集种群和支配解集种群，避免非支配解和支配解集直接比较，种群分类，有利于保留部分优秀的支配解。方向引导策略如下:非支配解集种群用在逼近方向和分布方向上的引导，支配解集种群用在保持种群的多样性。通过方向引导策略，积极引导个体尽可能朝有利方向进化，但不是完全强制的执行，因为强制执行会导致种群丧失多向性和全局性。通过数值实验和量化度量准则，对比结果表明，新算法的效率和解集的质量均得到了明显的改善。 (3)在基本遗传算法的基础上，引入进化逆转操作，在个体附近多做一次搜索且保留的个体不劣于原个体的基础上，定义新的交叉和变异算子，提出一种改进的免疫克隆遗传算法，建立避空侦察最优路线选择数学模型，借助本章所提出的新算法求解该模型。测试新算法的性能，为新算法的实际应用价值提供事实依据。