基于改進(jìn)免疫算法的多目標(biāo)優(yōu)化研究.pdf

1、科學(xué)研究和工程實(shí)踐中的許多問題都可以歸結(jié)為一個多目標(biāo)優(yōu)化問題,因此研究求解多目標(biāo)優(yōu)化問題的有效算法具有重大的科學(xué)意義和應(yīng)用價值。本文基于人工免疫系統(tǒng)理論和多目標(biāo)優(yōu)化理論,重點(diǎn)研究了求解復(fù)雜多目標(biāo)優(yōu)化問題的基于免疫原理的算法。主要研究內(nèi)容包括:
　　 首先介紹了人工免疫系統(tǒng)及其在多目標(biāo)優(yōu)化算法的研究現(xiàn)狀,在比較了幾種基于免疫原理的多目標(biāo)優(yōu)化算法常用的變異算子的特點(diǎn)后,并仔細(xì)分析了現(xiàn)有的多目標(biāo)優(yōu)化算法在處理復(fù)雜的高維多模態(tài)問題時,很

2、難使優(yōu)化結(jié)果在逼近Pareto最優(yōu)前端的同時保持解的多樣性的問題,提出了一種混合變異策略,并根據(jù)此變異策略提出一種混合變異克隆選擇多目標(biāo)優(yōu)化算法。在該算法中,進(jìn)化在兩個抗體群中進(jìn)行,不同的抗體群采用不同的變異算子,并通過外部記憶抗體群的更新,來保留進(jìn)化的最優(yōu)抗體,避免算法進(jìn)化后期出現(xiàn)退化現(xiàn)象。算法選擇5個ZDT多目標(biāo)優(yōu)化問題進(jìn)行測試,將算法和經(jīng)典的NSGA-Ⅱ、SPEA-Ⅱ、NNIA等算法進(jìn)行性能比較,結(jié)果證明新算法具有較好的求解性能和