免疫克隆遗传算法的研究

发布时间：2023-06-03 00:19

　　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...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
引言
1 绪论
    1.1 研究背景及研究意义
    1.2 国外研究概括
    1.3 国内研究概括
    1.4 论文主要内容及安排
2 免疫克隆进化算法的原理和算法结构
    2.1 进化算法
        2.1.1 进化算法基本框架和特点
        2.1.2 进化算法的主要分支
        2.1.3 进化算法的优缺点
    2.2 免疫克隆进化算法
        2.2.1 免疫进化算法
        2.2.2 免疫遗传算法
        2.2.3 免疫克隆遗传算法
    2.3 多目标免疫克隆算法
        2.3.1 算法基础
        2.3.2 多目标免疫克隆进化算法
3 基于环境策略的免疫克隆约束多目标进化算法
    3.1 约束多目标优化算法
        3.1.1 约束多目标优化问题
        3.1.2 约束处理方法
    3.2 基于环境策略的免疫克隆算法
        3.2.2 克隆操作
        3.2.3 交叉操作
        3.2.4 环境策略变异
        3.2.5 克隆选择
    3.3 算法流程
    3.4 实验和分析
        3.4.1 测试函数
        3.4.2 性能度量
        3.4.3 数值实验结果及分析
    3.5 本章小结
4 基于种群分类和方向引导策略的免疫克隆进化算法
    4.1 种群分类策略
        4.1.1 种群分类技术
        4.1.2 可行解集种群更新机制
        4.1.3 不可行解集种群更新机制
    4.2 方向引导策略
        4.2.1 逼近方向的引导
        4.2.2 分布方向的引导
        4.2.3 方向引导策略
    4.3 算法流程
    4.4 实验和分析
        4.4.1 约束多目标优化问题
        4.4.2 测试函数
        4.4.3 性能度量
        4.4.4 数值实验结果及分析
    4.5 本章小结
5 基于改进的免疫克隆遗传算法的避空侦察路线优化
    5.1 卫星过顶模型
        5.1.1 卫星轨道参数
        5.1.2 卫星经纬度计算模型
    5.2 避空侦察最优路线选择模型
    5.3 改进的遗传算法
    5.4 改进的免疫克隆遗传算法
    5.5 模型的求解
    5.6 本章小结
结论
参考文献
致谢
作者简介及读研期间主要科研成果



本文编号：3828301