一种改进的人工免疫网络优化算法及其性能分析

基于人工免疫网络算法（aiNet），借鉴禁忌搜索算法的机制，提出一种禁忌人工免疫网络算法（TS—aiNet）．在算法中引入禁忌表，禁忌那些在网络迭代中亲和度不再增加的细胞，并通过特赦准则赦免一些被禁忌的优良状态；增加一个记忆表，用于保存成熟的记忆细胞；重新定义了Gauss变异方式，保证多样化的有效搜索．利用Markov链证明了算法全局收敛性，分析了算法的复杂度，通过对多个典型系统仿真分析该方法的性能，并与克隆选择算法和aiNet算法进行比较研究．结果表明，该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和寻找极值点能力，能够克服早熟现象，是一种有效的全局优化搜索方法．