Adaptive immune-genetic algorithm for global optimization to multivariable function

An adaptive immune-genetic algorithm （AIGA） is proposed to avoid premature convergence and guarantee the diversity of the population. Rapid immune response （secondary response）, adaptive mutation and density operators in the AIGA are emphatically designed to improve the searching ability, greatly increase the converging speed, and decrease locating the local maxima due to the premature convergence. The simulation results obtained from the global optimization to four multivariable and multi-extreme functions show that AIGA converges rapidly, guarantees the diversity, stability and good searching ability.

求解TSP问题的一种改进的遗传算法

TSP问题是典型的NP完全问题,遗传算法是求解NP完全问题的一种理想方法。文章针对解决TSP问题,提出使用改进的遗传算法,即用浓度控制选择策略以保证群体的多样性,用贪婪交叉算子和启发式倒位变异算子来提高算法的收敛速度,较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明,该文算法的改进是有效的。

免疫遗传算法在TSP求解中的应用

基本遗传算法保持群体多样性的能力较差,所以经常在问题求解的过程中得到局部最优解。根据生物的免疫原理提出的一种改进算法———免疫遗传算法。免疫遗传算法主要体现了生物免疫系统中的基因重组、免疫记忆、隔离小生境和免疫元动态等特性,这些特性改进基本遗传算法的群体多样性保持能力。最后结合旅行商问题(TSP)的优化介绍了具体实现方法,实验结果表明该免疫遗传算法有较好的性能。

基于免疫遗传算法的移动机器人全局路径规划

提出了基于免疫遗传算法的静态环境下移动机器人全局路径规划方法。该方法首先建立机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,将免碰撞要求和路径最优要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数,同时保证了抗体的多样性和成熟收敛。通过仿真,并与遗传算法相比,性能有很大提高,证明了该全局路径规划方法的正确性和有效性。

基于免疫疫苗的主汽温系统PID优化整定

为了达到主汽温系统的优化运行以提高热效率,在自适应遗传算法基础上引入基于免疫原理的免疫记忆细胞和疫苗提取、接种算子的免疫疫苗算法,进行了收敛性证明,将其用于主汽温控制系统的PID优化整定,并将获得的PID参数的控制效果与自适应免疫遗传算法(AIGA)获得的PID参数的控制效果进行了比较.结果表明:自适应免疫疫苗算法(AIVA)的收敛稳定性优于自适应免疫遗传算法,与自适应免疫遗传算法获得的PID参数的控制效果相比,自适应免疫疫苗算法所产生的PID参数的控制效果更好,且阶跃响应的调节时间较短,过渡更平稳,证明了该方法的有效性.

免疫遗传算法及其在VRP中的应用

物流配送车辆路径问题(VRP)是一类典型的NP问题。在基本遗传算法的基础上,根据生物的免疫系统原理,提出一种改进的算法——免疫遗传算法。在算法中构造一种基于抗体浓度的群体多样性保持策略,引入免疫算子和免疫记忆库。将该算法应用于求解VRP问题,实验结果表明算法可以实现解的多样性,避免出现早熟收敛,可以有效防止进化过程中最优解退化的可能,是求解车辆路径问题的一种有效的算法。

基于分层控制免疫遗传算法的多卫星联合任务规划方法

研究面向复杂任务需求的多卫星联合下的任务规划技术,对于提高对地观测系统的保障能力具有重要意义。各种类型的复杂任务需求由于需求特点的差异,使得相对于针对点观测任务的规划更加复杂。在提炼问题特点的基础上,建立了整数规划问题模型,并提出了分层控制免疫遗传算法。该算法采用双层操作,在父层采用遗传操作算子,在子层采用免疫操作算子,并引入基因重组、自适应免疫更新、小生境等机制改进搜索过程。仿真实验表明,分层控制免疫算法在解决复杂任务的任务规划中是可行有效的。