求解多峰函数优化的小生境克隆选择算法

分析了传统的用于多峰函数优化问题的小生境遗传算法的特点和不足,基于免疫系统中的克隆选择原理,运用记忆算子、抑制算子和重组算子等技术对克隆选择算法进行了改造,并引入一种新的小生境技术,提出了一种解决多峰函数优化问题的小生境克隆选择算法。最后,实现了该算法对单无人作战飞机(unmanned combat air vehicle,UCAV)多航路规划这类多峰函数优化问题的优化仿真,结果表明该算法简单有效。

自适应小生境克隆选择算法及其仿真研究

为了对多模态函数寻优,基于免疫克隆选择算法原理,提出了自适应小生境克隆选择算法(ANCSA)。小生境决定位段会随着优化对象的维数及可行域的变化而自动调节,从而形成不同的小生境,每个小生境都具有免疫记忆功能。通过对四个典型的多模态函数仿真,并和相关算法进行比较分析,结果表明ANCSA在解决多模态函数优化问题时具有较强的自适应性和收敛性。

基于多模态函数优化的改进克隆选择算法

文章分析了deCastro和VonZuben在2002年提出的用于多模态函数优化的克隆选择算法(CLONALG)的不足,并且运用小生境技术、记忆方法、梯度法和相似性抑制法对该算法进行了改造,提出了小生境克隆选择算法(NCSA)。利用马尔柯夫链为数学工具,从理论上证明了NCSA的完全收敛性(CompleteConvergence)。该算法与CLONALG进行了仿真比较实验,不仅验证了NCSA理论上的完全收敛性结论,同时验证了所提算法对于求解多模态问题更为有效,且具有很好的稳定性。

改进的克隆选择算法在模糊规则发现中的应用

提出了利用改进的克隆选择算法发现模糊规则的方法。在该方法中,对规则的评价函数不仅包含规则本身的置信度和蕴涵隶属度等特性,也包含表明规则对规则集整体性能影响程度的量化特性,即一致性贡献和完备性贡献。将该方法用于发现股票20日移动平均线与历史量价之间的模糊规则的仿真试验收到了满意结果。

多模态函数优化的小生境克隆选择算法

分析了传统用于多模态函数优化问题小生境遗传算法的特点和不足,基于免疫系统的克隆选择原理,提出一种解决多模态函数优化问题的小生境克隆选择算法(NCSA),通过3个典型的多模态函数寻优问题的仿真实验,说明实现了小生境克隆选择算法在解决多模态函数的优化问题时的有效性.

改进克隆小生境算法及应用

论文借鉴免疫系统中的克隆选择原理,结合小生境技术,引入新的克隆选择机制,提出了应用于多目标优化问题的改进克隆小生境算法(MCNSA).将该改进克隆小生境算法应用于QoS多播路由寻优中,求得该问题的Pareto最优解集,仿真结果说明该算法能够在有限的进化计算代数内迅速收敛,并对网络路由寻优问题提出了有效方案.

基于聚类的小生境克隆选择算法

基于聚类的小生境克隆选择算法是针对小生境克隆选择算法计算复杂、参数设置困难等缺点而提出的。新算法删除了计算复杂度较大的抑制算子,引入聚类算子,并对算法的部分流程进行了调整。新算法不仅计算复杂度降低,而且无需预知峰的个数等先验知识,仅根据样本数据即可找到全部峰值点。仿真实验验证了C-NCSA的完全收敛性;并且通过与小生境克隆选择算法的对比实验证明:在相同的实验条件下,C-NCSA的执行时间比NCSA明显降低。

采用层次分解策略的多机协同航路规划

针对多机同时到达的问题,采用层次分解的原则,应用小生境克隆选择算法可以为无人机生成满足要求的多条可选航路,同时引入协同变量和协同函数的概念,解决规划航路的时间协同问题。仿真结果表明,该方法能够有效地解决多机协同航路规划问题,很好地满足了多机协同航路规划的协同控制要求。