基于克隆选择和邻域搜索的改进阴性选择算法

在研究基于拟随机序列和遗传变异搜索的阴性选择算法的基础上,针对其早熟收敛以及生成的检测器集不是N维空间最优的问题,引入了免疫机制中的克隆选择来实现检测器集的全局搜索。将生成的拟随机序列作为克隆选择搜索空间,通过克隆和变异选择操作获得空间中的优化检测器集,然后对该检测器集引入高斯变异算子,通过邻域搜索获得整个N维空间里的优化检测器集。该检测器集能很好地覆盖非我空间,而且检测器集数量相对于普通阴性选择算法也大幅减少,克服了普通阴性选择算法的局限性。最后,通过实例应用验证了算法的有效性。