并行混合免疫算法及其在布局设计中的应用

布局问题在理论上属于NPC问题,在工程实践上具有广泛的应用。为较好地求解该问题,以并行遗传算法(PGA)为基础,针对其早熟和收敛速度慢两大缺陷加以改进,提出了并行混合免疫算法(PHIA)。该算法将免疫思想加入遗传算法起到了双重作用,一是免疫选择可有效地防止早熟,二是通过基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化,并依自适应交叉和变异的概率值对子群体进行分类,与Powell法混合可更好地改善局部搜索性能。以卫星舱和印制电路板布局设计为背景的算例验证了该算法的可行性和有效性。

并行混合免疫遗传算法及其应用

以并行遗传算法(PGA)为基础,对其早熟、收敛慢等缺陷加以改进,提出一种并行混合免疫遗传算法(PHIGA)。该算法将免疫原理引入到遗传算法中,提高了算法的整体性能。这主要表现在一方面免疫选择可有效地防止早熟,另一方面基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化和基于自适应交叉、变异的多种群搜索,与单纯形法的混合可更好地改善其局部搜索性能。文中布局问题的算例验证了该算法的可行性和有效性。

人机合作的免疫算法及其在布局设计中的应用

提出一种人机合作的免疫算法(HCCIA)。它将设计者提供的初始人工个体和混沌初始化生成的初始算法个体合并组成初始群体,然后经自适应交叉、变异和免疫选择等算子操作,进化寻优。同时,还适时和适量地将设计者给出的新人工个体加入到算法群体,替换掉其中较差的个体。如此循环,直至达到结束准则。该算法有利于充分发挥人机各自特长,为更好地解决复杂工程设计问题提供了方便。文中以卫星舱布局设计为背景的算例验证了此算法的可行性和有效性。