基于个体强度的自适应差分多目标免疫算法
【图文】：
统［9］设计的新兴的仿生算法，主要以克隆选择和超变异为理论基矗Gong等［10］提出的NNIA算法由于其独特的非支配邻域选择方法，保证位于较稀疏区域的个体具有更多的机会进行启发式搜索，因此是一种非常有效的多目标进化算法［15］。NNIA的主要思想是基于Pareto占优的邻域个体选择机制选择少量的Pareto优秀解作为影响下一代的因子，根据其拥挤度距离进行克隆复制。图1描述了其种群进化流程［10］，其中Dt为第t代的非支配种群，Ct为克隆后种群，C't为进化后种群，At为活跃文档，即外部文档集。图1NNIA进化流程图Fig．1PopulationevolutionofNNIA尽管实验表明NNIA是一种有效的多目标免疫算法，然而在解决较为复杂的多目标问题时仍有局限性。由于其仅克隆非支配解，进化算子单一，外部文档只保留拥挤度距离大的非支配解，容易造成算法早熟收敛，生成解的多样性差和分布不均匀。2基于个体强度的自适应差分多目标免疫算法(ISIA)2.1克隆算子由于支配个体可能携带有利于算法搜索到最优解的信息，因此不同于其他免疫算法，，本文算法既克隆了一部分较好的非支配解，也克隆了一部分较好的支配解，充分利用了支配解的有效信息。设种群P={x1，x2，…，xN}。将P分成非支配种群NP和支配种群DP，并分别选择一部分较好的个体按照非支配克隆算子和支配克隆算子克拢2.1.1非支配克隆算子稀疏区域的非支配个体参与进化更有利于提高算法效率，因此用非支配个体的拥挤度距离作为其适应度值，并选择一部分分布在稀疏区域的适应度值大的非支配个体按比例克拢首先，按式(2)计算非支配个体ai的适应度值［11］:fit(ai)=∑mj=1fitj(ai)fj，max－fj，min，(2)其中fj，max和fj，min?
【相似文献】
相关期刊论文 前10条
1 杨海东,邓飞其,严小珂,姚靠华;自适应分层免疫算法[J];计算机工程与应用;2004年24期
2 何广杰;;免疫算法在工程中的应用与展望[J];路基工程;2008年06期
3 江新姿;汤可宗;高尚;;蚁群算法与免疫算法的混合算法[J];科学技术与工程;2008年05期
4 莫宏伟,金鸿章;免疫算法原理与应用[J];航空计算技术;2002年04期
5 张四海,曹先彬,王煦法;基于免疫识别的免疫算法[J];电子学报;2002年12期
6 葛红,毛宗源;免疫算法几个参数的研究[J];华南理工大学学报(自然科学版);2002年12期
7 葛红,毛宗源;免疫算法的实现[J];计算机工程;2003年05期
8 梁鸿生,郝勇娜,王凯,柴继河;免疫算法[J];昆明理工大学学报(理工版);2003年05期
9 吕岗,陈小平,谭得健;免疫算法抗体浓度调节定义的改进[J];数据采集与处理;2003年01期
10 陆益民,毛宗源,张波;基于免疫算法的混沌多模型微扰控制[J];控制理论与应用;2004年01期
相关会议论文 前10条
1 许殿;史小卫;;基于免疫算法的微波电路优化技术[A];2003'全国微波毫米波会议论文集[C];2003年
2 王玉峰;张建强;沈喜明;;矩形平面稀疏阵列的免疫算法优化[A];2007年全国微波毫米波会议论文集（下册）[C];2007年
3 郑日荣;毛宗源;谭洪舟;;基于欧氏距离和精英交叉的免疫算法参数研究[A];第二十四届中国控制会议论文集（下册）[C];2005年
4 孟科;李绍军;钱锋;;实数编码免疫算法在溶剂脱水塔软测量中的应用[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年
5 余志刚;卢文秀;褚福磊;;基于P型有限元和免疫算法的梁裂纹识别方法[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
6 魏杰;李铁克;;基于随机性参数混合免疫算法的工艺车间调度研究[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年
7 龚涛;杜常兴;;免疫计算研究的进展[A];中国自动化学会控制理论专业委员会A卷[C];2011年
8 吕岗;赵鹤鸣;;一种优化前向神经网络权值的免疫算法[A];2003年中国智能自动化会议论文集（上册）[C];2003年
9 李文涛;郭玉春;史小卫;;基于免疫算法的宽带匹配网络的优化设计[A];2007年全国微波毫米波会议论文集（上册）[C];2007年
10 王卫民;许家s
本文编号：2580797
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2580797.html
