基于双种群进化策略的教与学-免疫克隆多目标进化算法

摘要

目的 用基于双种群进化策略的教与学-免疫克隆多目标进化算法(multi-objective teach-ing-learning-based optimization with immune clone algorithm,MTLBO-ICA),解决无约束多目标优化问题.方法 将局部搜索能力强的免疫克隆算法(immune clone algorithm,ICA)与全局搜索能力强的教与学优化算法(teaching-learning-based optimization,T LBO)算法相结合;采用Pareto交叉算子,使得优秀个体基因尽可能得到保留;采用Pareto支配的策略,将种群分为非支配个体和支配个体.结果 相比于经典的多目标优化算法NSGA-II,SPEA2以及MOTLBO,MTLBO-ICA算法得到的Pareto曲线与真实Pareto曲线拟合的比较好.结论 M T LBO-ICA在收敛性和分散性方面都有很好的表现,能有效解决无约束多目标进化问题.