论文摘要
生物免疫系统是一种高度并行的自适应信息处理系统,它能自适应地识别和排除机体的入侵的抗原性物质,并且具有学习、记忆和自适应能力,能够维持机体内环境的稳定。近年来,研究者们逐渐意识到免疫系统对开发智能算法具有重要意义,而且基于免疫系统开发新的优化算法正成为当前人工智能领域的研究热点。基于此,本论文针对动态环境下的多目标优化问题,探讨了相应的免疫优化算法,数值实验比较及算法的实际应用说明,所获算法是可行的且有效的。本文的工作主要被概括如下:1)针对一类决策空间的维数随时间变化的动态非约束多目标优化问题,借鉴免疫应答过程蕴含的动态进化机制,提出一种动态多目标优化免疫算法。算法设计中,依据抗体学习机理,设计几种具有自适应能力的免疫算子进化当前抗体群,算子设计的重点在于抗体亲和力及克隆选择、亲和突变策略、环境记忆集更新及环境识别准则等。借助提出的三个性能评价指标,比较性数值实验表明,该算法能够获得较满意的结果。2)针对一类决策空间维数可变的动态约束多目标优化问题,提出一种二进制编码的动态约束多目标优化免疫算法。算法设计中,借鉴抗体识别功能,设计环境识别规则,加速相似环境的寻优过程;依据约束控制概念,设计抗体评价及免疫选择;引入基于两级概率控制的变异策略,进行抗体亲和突变。比较性的数值实验表明,与两种出众算法相比,该算法能够获得更满意的搜索结果以及更强的环境跟踪能力。3)针对以上动态约束多目标优化问题,提出一种基于实数编码的动态约束多目标优化免疫算法。算法设计中,基于免疫系统的抗体识别、抗体学习、记忆和免疫系统的动态平衡维持等功能,设计有助于处理此类优化问题的自适应免疫算子,特别是依据非控制的概念设计用于刻划进化群体中抗体重要程度的亲和力评价方案。借助前面提出的三个陛能评价指标和其它三种算法,比较性的数值实验表明,该算法在搜索效果以及环境跟踪能力方面具有很好的优越性。