基于人工免疫系统的多目标进化算法的研究

摘要

随着社会的发展，现实的优化问题逐渐受多种因素的影响，进而出现多目标优化问题。多目标优化问题在算法研究和应用中都是一个非常值得的研究课题，多目标优化引起了学者的广泛重视。进化算法模拟了生物在自然环境中的遗传和进化过程，是一种自适应随机搜索优化算法。进化算法可以有效的求解高度复杂的非线性问题，这是由于其具有的优越性和鲁棒性。多目标进化算法被广泛应用于自然科学和工程等诸多领域。
　　本文根据基于聚集密度多目标优化算法和人工免疫算法的特点，提出了基于人工免疫系统的多目标进化算法。数值实验表明:改进后的新算法与原算法的收敛性相当，但是最优解的分布性和均匀性得到提高。将新算法应用于动态车辆路径优化问题中，新算法的优越性得以证实。
　　本文主要研究了以下几个方面:
　　1.简要介绍了人工免疫算法和多目标优化算法的研究进程和现状。
　　2.简要介绍了人工免疫算法的基本原理、算法流程和算法优缺点。
　　3.简要介绍了多目标优化算法的基本概念与数学原理。
　　4.为了提高最优解的分布性和均匀性，减少计算时间，提出一种基于聚集密度的人工免疫多目标进化算法。实验分析表明新算法明显具有优越性。
　　5.将改进的算法应用于动态车辆路径优化问题中，数值实验证明改进算法具有优越性。

目录

声明

摘要

插图或附表清单

引言

1 绪论

1．1 人工免疫算法和多目标进化算法的研究概况

1．1．1 人工免疫算法的研究历程和现状

1．1．2 多目标进化算法的研究历程和现状

1．2 论文的研究意义和论文的主要内容

1．2．1 论文的研究意义

1．2．2 论文的主要内容

2 人工免疫算法的原理和结构

2．1 人工免疫算法的原理

2．2 人工免疫算法的基本步骤

2．3 几种常见的人工免疫算法及算法的特点

2．4 人工免疫算法中主要参数及算法的优缺点

3 多目标进化算法

3．1 多目标优化问题

3．2 多目标优化问题的数学模型及基本概念

3．2．1 多目标优化问题的数学模型

3．2．2 多目标优化问题的基本概念

3．3 多目标进化算法中的关键研究问题

3．3．1 多目标Pareto最优解集

3．3．2 多目标进化群体的分布性

3．3．3 多目标进化算法最优解集的评价标准

4 基于聚集密度的人工免疫多目标优化算法

4．1 聚集密度

4．2 算法流程

4．3 数值实验

4．4 总结

5 人工免疫多目标进化算法在动态车辆路径优化的应用

5．1 引言

5．2 动态车辆路径优化问题的数学模型

5．3 基于人工免疫多目标进化算法的DVRP求解

5．4 结论

总结

参考文献

致谢

作者简介及读研期间发表的论文