人工免疫遺傳學(xué)習(xí)算法的收斂性分析及人工免疫調(diào)節(jié)策略研究.pdf

1、傳統(tǒng)的遺傳算法雖然在理論上已經(jīng)形成了一套較為完善的算法體系并在許多優(yōu)化問題中都有成功的應(yīng)用，但其本身還存在一些不足，例如局部搜索能力差、存在未成熟收斂和隨機(jī)漫游等現(xiàn)象，從而導(dǎo)致算法的收斂性能差。這些不足阻礙了遺傳算法的推廣應(yīng)用。如何改善遺傳算法的搜索能力以使其更好地應(yīng)用于實踐，是各國學(xué)者一直探索的一個重要課題。近年來在生物學(xué)領(lǐng)域的研究發(fā)現(xiàn)免疫行為能夠很好地防止早熟現(xiàn)象，有效地提高尋優(yōu)速度——因而免疫原理對改進(jìn)和提高遺傳算法的性能具有重要

2、的啟迪作用。 本文通過對生物體實際免疫行為的模擬而提出的一種免疫遺傳算法(ImmuneGeneticAlgorithm，IGA)，彌補(bǔ)了傳統(tǒng)遺傳算法的缺陷。為了從數(shù)學(xué)角度更加深入地分析IGA的優(yōu)化能力及相關(guān)性能，利用隨機(jī)過程理論和鞅理論等知識對IGA進(jìn)行了分析，并證明了IGA的幾乎處處強(qiáng)收斂性及其他相關(guān)性質(zhì)。再利用范數(shù)理論對IGA的收斂速度進(jìn)行了研究，得出了定量表達(dá)式。另外，本文通過簡化生物免疫響應(yīng)機(jī)制而提出了人工免疫調(diào)節(jié)策略(

3、ArtificialImmuneAdaptiveStrategy，AIAS)并用于實現(xiàn)CSTR系統(tǒng)跟蹤控制，實際應(yīng)用效果令人滿意。 本文的研究和貢獻(xiàn)主要有：1、避開了常用的遍歷性分析，通過建立IGA數(shù)學(xué)模型，運(yùn)用鞅理論對免疫遺傳算法進(jìn)行具體分析，先確定出種群鞅性質(zhì)的確定，其后便進(jìn)一步通過引理證明了IGA對于最優(yōu)解集幾乎處處強(qiáng)收斂性，從而為IGA一般收斂性方面的研究開拓了一條新的思路。2、通過對狀態(tài)轉(zhuǎn)移矩陣的形式分析及范數(shù)的引入，

4、確定了IGA演化到吸收態(tài)的時間。通過組合計算和對不同免疫算子的獨立分析最終得到了IGA收斂速度上界的定量表達(dá)，結(jié)合免疫參數(shù)對如何進(jìn)一步改善算法優(yōu)化效果進(jìn)行討論。理論分析的結(jié)果對于合理選擇算法的參數(shù)和設(shè)計更適宜的適應(yīng)值表達(dá)式等以有利于改善算法優(yōu)化性能將有一定的幫助。3、從詳細(xì)研究生物免疫系統(tǒng)響應(yīng)原理及免疫細(xì)胞結(jié)構(gòu)入手，著重分析了T細(xì)胞的三種不同類型和對應(yīng)作用以及免疫系統(tǒng)具有控制調(diào)節(jié)和免疫優(yōu)化的功能、抗體細(xì)胞雙官能的特點，融和多種免疫特點提