基于信息素模因的免疫克隆选择函数优化

摘要：

学习进化经验并用于指导进化对人工免疫算法这样的随机搜索类算法十分重要,Memetic算法在进化算子中引入局部搜索,算法的学习机制决定哪种局部搜索机制适合目标问题,然而,这类算法需要使用者事先提供问题相关的局部搜索策略,为了克服Memetic算法的这一缺点,针对函数优化问题提出了一种基于蚁群信息素的无指导的学习机制,并在此基础之上构造了基于信息素模因的克隆选择算法,算法无需提供候选的局部搜索策略(即模因),学习的内容是抗体的进化趋势,而并非要确定合适的局部搜索策略.实验结果表明,信息素模因学习机制借助信息素浓度的收敛学习到了关于目标函数的有用信息,有效提高了克隆选择算法的搜索效率.

关键词：人工免疫系统、函数优化、Memetic算法、信息素、克隆选择

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目60575037,60502043;国家"八六三"高技术研究发展计划基金项目2006AA012107

在线出版日期：2008-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：991-997