基于形状空间的克隆选择算法用于多峰值函数的优化

在简单描述免疫系统中克隆选择和形状空间理论的基础上，提出了一种新的、基于形状空间的克隆选择算法．将该算法用于对多峰值函数的寻优，能得到很好的结果；借用遗传算法的积木块假设对该算法的收敛性进行分析，证明了本算法在满足一定前提条件下，能够以趋近于1的概率收敛．     

基于改进克隆选择算法的函数优化问题

根据传统克隆选择算法的不足,提出了一种改进的克隆选择算法.设计了具有自适应能力的改进变异算子,抗体基因位变异概率取决于抗体亲和度;并提出了兼顾亲和度和浓度两种因素的改进选择算子.通过函数优化仿真实验证明了改进算法在收敛速度和寻优结果上均优于传统克隆选择算法.     

一种快速实现多峰值函数优化的改进遗传算法

针对基本遗传算法具有的收敛早熟、局部搜索能力差等缺点,提出了一种快速实现多峰值函数优化的改进算法。该算法包含并行小生境技术、可疑峰值点判断、引入局部搜索参数等策略,并采用C语言成功编写了通用程序。数值算例表明：该改进算法能有效防止早熟收敛,明显提高遗传算法的收敛效率,快速搜索到目标函数的所有最优点。该算法对求解多峰值函数优化问题具有普适性。     

用于多峰值寻优的人工免疫克隆选择算法

提出了一种执行克隆选择原则的强有力的计算方法，算法思想中考虑到在免疫响应产生的较高亲和力的抗体中，选择改进的成熟后代。这种革新算法能关于机器学习解复杂问题，实例结果表明，克隆选择算法对多峰值寻优问题有优良能力。     

改进克隆小生境算法在交叉路口信号配时优化中的应用

进化计算在现代生活中的应用日益广泛.论文在详细介绍改进克隆小生境算法及其算子的基础上,将改进克隆小生境算法应用于交叉路口的信号配时优化问题.仿真结果说明算法能够在有限的进化计算代数内迅速收敛,并使交叉路口的车辆延误在相应配时方案下最小.     

基于人工免疫网络的多峰值函数优化

针对多峰值函数优化中常规方法难以同时搜索出多个极值的问题,借鉴生物免疫系统的相关机理,提出了基于人工免疫网络的多峰值函数优化算法,并在一些典型的测试函数上进行性能测试。实验结果表明,该算法具有很好的全局和局部搜索能力,能够较好地保持抗体的多样性,获得多峰值函数的全部或多个优化解。     

一种用于多峰函数优化的改进混合遗传算法

针对遗传算法在处理复杂多峰函数优化问题中存在的一些缺陷，提出了一种改进型的混合遗传算法，它在小生境技术的基础上引入单纯搜索算法、最优保存算法和近优淘汰算法，并使之相互结合，经编程实践证明，这种改进的混合遗传算法在处理复杂多峰函数优化问题时，局部搜索能力和克服过早收敛能力方面都显著优于标准遗传算法，并在实际应用中取得了较好的效果。     

一种用于多目标优化的克隆选择算法

多目标进化算法的研究目标是使算法种群快速收敛并均匀分布于问题的Pareto最优前沿面.为此,在比较与分析已有多目标进化算法的基础上,借鉴免疫系统中的克隆选择原理,提出了一种用于多目标优化的克隆选择算法.该方法只对部分当前所得到的Pareto最优解进行进化操作,并选用一种简单的多样性保护机制来保证Pareto最优解具有良好的分布特征.'实验结果表明该方法能够很好地达到Pareto最优前沿面,较好地保持解的多样性,并且具有很快的收敛速度.     

人工免疫算法的改进

简要介绍了标准人工免疫算法的工作原理,为了克服其存在的不足,该文提出一种改进的人工免疫算法,并用多峰值函数对两种算法进行了比较.实验结果表明,该文提出的改进的人工免疫算法较标准人工免疫算法更为有效.     

一种工程混合免疫计算的多峰值函数优化方法

为获得多峰值函数优化的多个极值,提高智能优化方法,获得多峰值函数优化解的精度,受生物免疫系统相关机理的启发,提出了基于工程混合免疫计算的多峰值函数优化方法,并给出了具体的求解算法.采用传统的蚁群优化方法以及本文方法对3个典型的多峰值复杂测试函数进行性能测试,对比每种方法的搜索代数、搜索到的峰值个数、最大适应度值以及平均适应度值.比较结果表明,本文方法具有增量学习能力且在分类准确率方面都高于传统的蚁群优化方法.     

基于改进伪并行遗传算法的函数优化

针对遗传算法早熟和收敛速度慢的问题,在已有的伪并行遗传算法基础上对遗传操作进行改进。采用3个测试函数对改进的算法进行验证,结果表明改进的算法在函数的平均适应度值、平均运行代数、收敛概率等方面都取得了较好的结果。     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法，描述了算法的操作过程。采用函数优化仿真实验与进化算法进行比较，结果表明免疫克隆选择算法收敛速度快，求解精度高，稳定性好，并能有效地克服早熟问题和骗问题．     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法,描述了算法的操作过程.采用函数优化仿真实验与进化算法进行比较,结果表明免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题和骗问题.     

改进遗传模拟退火算法在多峰值函数优化中的应用

采用均匀变异算子及自适应最优保存的方法对遗传模拟退火算法进行了改进,并用MATLAB实现了改进算法中各算子的编程方法．实例证明该算法能够在多峰值函数优化中较快的收敛至最优解．     

解决高维优化和特征选择的多策略改进正弦余弦算法

针对基本正弦余弦算法(sine cosine algorithm, SCA)求解高维复杂优化问题时存在精度低、收敛慢和易陷入局部最优等缺点,提出一种改进的SCA(improved sine cosine algorithm, iSCA)。首先,该算法设计出一种基于倒S形函数的非线性转换参数规则替代原有线性策略,从而实现从全局搜索到局部搜索的良好过渡;其次,嵌入个体历史最佳信息修改位置搜索方程以指导寻优过程,进一步改善算法的解精度和加快收敛;最后,引入翻筋斗觅食机制生成新的位置以增加群体多样性,从而降低算法陷入局部最优的概率。选取10个高维基准测试函数、10个UCI高维数据集和2个风电机组故障数据集进行仿真实验,并与基本SCA、MSCA(memory-guided SCA)和I-GWO(improved grey wolf optimizer)算法比较,结果表明,iSCA算法在精度和收敛指标上均优于其他比较方法。     

动态小生境遗传算法在多模函数优化中的应用

提出一种基于动态小生境技术的自适应遗传算法．算法的进化过程中，通过物种的辨识和保存过程确定小生境的峰值，引入个体趋向于高适应度的方向这一控制参数控制搜索的方向，采用自适应调整种群距离的方法控制搜索的范围，大大提高了搜索效率．仿真试验表明，该算法能够很好地保持解的多样性，同时具有很高的全局寻优能力和收敛速度，适合求解复杂多峰函数优化问题．     

一种基于小生境的遗传算法及其应用

基本遗传算法在进行种群中个体的交配时采用的是一种随机方式,在一定程度上会影响进化的性能,提出一种基于小生境的遗传算法,通过定义新的选择机制与变异策略,能利用种群中个体的历史信息,较好地维持群体的分布特性,它可用于多峰函数（特别是变峰函数）的优化,以获得目标函数的多个极值点,文中详细给出了方法的具体实现步骤。     

一种求解非线性函数优化问题的混合遗传算法

结合单纯形法的混合遗传算法是将单纯形操作替代原来的交叉算子,并采用最优群体保留策略,算法可以很小的群体规模实现兼顾全局搜索和局部搜索的均衡搜索,大幅度提高搜索精度和效率,算法不需要梯度信息,不需进行编码操作,非常适合求解非线性函数优化问题。