基于多模态免疫进化和遗传精英保留优化算法的研究

摘要

多目标优化问题在社会经济、管理、军事和人文等领域应用的非常广泛。传统的多目标优化方法，很有局限性，往往只能搜索到局部解，而得不到全局最优解。进化算法是一种模拟自然进化的随机优化算法。它搜索最优解的速度快且具有一般性，易于应用。大量事实表明进化算法的机理最适合求解多目标优化问题。
　　遗传算法和免疫算法是进化算法中应用非常多的两种算法。遗传算法具有智能型、全局收敛性、鲁棒性强等优点。免疫系统是一种高度并行的分布式、自适应信息处理学习系统。免疫系统的记忆功能、识别功能、特征提取功能、动态保护、自我调节功能等等，有着很好的应用价值。这两种算法能有效地克服其他算法中的早熟现象、群体多样性不足及搜索速度慢等问题。
　　本文将免疫机制中的亲和度不同的抗体具有不同变异率的思想与优育子群迁徙思想结合起来，设计并实现了一个多模态免疫遗传优化算法。算法主要包括超变异、正选择、记忆抗体产生、优育抗体产生、细胞相似抑制、整理算子。并且对四个不同函数进行测试，将其与其他算法进行比较，验证了算法的完全收敛性结论与求解多模态问题的有效性，搜索性能好，计算量小等优点。

目录

基于多模态免疫进化和遗传精英保留优化算法的研究

RESEARCH OF MULTI-MODAL OPTIMIZATION ALGORITHM BASED ON IMMUNE EVOLUTION AND EXCELLENT SUB-POPULATION MIGRATING

摘要

Abstract

目 录

第1章 绪论

1.1 课题研究的背景及意义

1.2 多目标优化的基本概念

1.3 传统的多目标优化方法

1.3.1 加权法

1.3.2 约束法

1.4 多目标进化算法

1.5 本文的研究方法和结构安排

第2章 遗传算法及其原理

2.1 遗传算法的发展

2.2 遗传算法的特点

2.3 遗传算法的应用

2.4 遗传算法的理论基础

2.4.1 模式理论(Schema)的拓广与深入

2.4.2 收敛性问题

2.5 遗传算法设计的基本原则

2.6 基本遗传算法（SGA）

2.7 本章小节

第3章 免疫算法及其原理

3.1 免疫系统的概述

3.2 免疫系统的计算特性

3.3 免疫遗传算法的发展状况

3.4 本章小节

第4章 多模态问题

4.1 多模态遗传算法

4.1.1 改进遗传算法的算子

4.1.2 多模态遗传算法的发展

4.1.3 传统多模态遗传算法的发展和不足

4.1.4 优育子群迁徙策略

4.2 本章小节

第5章 多模态免疫遗传优化算法的改进

5.1 算法原理

5.1.1 免疫进化理论的应用

5.1.2 优育子群迁徙思想的运用

5.2 多模态免疫遗传优化算法的设计和流程

5.3 本文算法的收敛性分析

5.4 仿真实验与结果分析

5.5 算法的主要算子和性能分析

5.5.1 主要算子的作用分析

5.5.2 计算复杂性分析

5.6 本章小结

结 论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

哈尔滨工业大学硕士学位涉密论文管理

致谢