论文部分内容阅读
针对单变量边缘分布算法(UMDA)求解复杂优化问题的局限性,将人工免疫系统引入分布估计算法(EDAs)领域,提出了一种基于克隆选择原理的单变量边缘分布算法.该算法在进化过程中的每一代执行若干次克隆选择算法(CLONALG),利用克隆选择过程中的高频变异操作提高混合算法的局部搜索能力.通过对2种不同旅行商问题(TSP)的仿真实验表明,与UMDA、CLONALG以及UMDA和2-opt局部搜索算法的混合算法(UM—DA2-opt)相比,克隆选择单变量边缘分布算法具有更高的优化性能.