免疫算法及其应用研究

免疫算法是抽取了生物免疫系统独有的自适应、自组织、多样性、免疫记忆等进化学习机理形成的新信息处理技术,是计算智能领域继人工神经网络和进化计算之后的又一个研究热点。本文研究了免疫算法的理论及其在工程优化领域的应用。主要研究成果如下: 第一章回顾了免疫算法产生和发展的历史,介绍了免疫算法的生物学背景,综述了它的基本特点、应用领域和研究现状。最后阐明了本课题的研究意义和主要内容。 第二章针对基于信息熵的标准免疫算法存在计算过程复杂,搜索效率低的不足之处,通过直接计算抗体间的矢量距离和完全基于抗体浓度的选择策略,提出了一种具有计算形式简洁,编码方式灵活和无需对适应度函数进行线性变换特点的改进免疫算法。 第三章建立了改进免疫算法的数学分析模型。通过将改进免疫算法的状态转移划分为B 细胞种群状态转移和免疫记忆细胞状态转移两个独立的过程,应用有限齐次马尔科夫链证明了改进免疫算法在种群状态空间上具有遍历性,在解状态空间上具有收敛性。 第四章验证了改进免疫算法在求解最优化问题上的优越性。通过一组具有复杂性、约束性、非线性、不确定性的多峰多态函数的寻优仿真实验,将免疫算法与标准遗传算法和模拟退火算法进行了性能对比。实验数据显示免疫算法较好的解决了遗传算法易未成熟收敛和模拟退火算法收敛速度慢的问题。 第五章提出了一种基于改进免疫算法优化前向神经网络权值参数的免疫神经网络模型。利用免疫选择算子来保持解群的多样性,采用改进实数交叉策略来缩小子代的搜索范围,而将传统的BP 算法作为一个变异算子来加快局部收敛的速度。模式分类和曲线拟合的仿真实验表明,免疫神经网络具有比进化神经网络更强的逃逸局部最小的能力和更快的收敛速度。