自适应并行混沌免疫进化规划

基于克隆选择原理，提出一种新的并行混沌免疫进化规划算法．在算法中，根据抗体抗原亲和度将抗体种群分为两个子群，相应的提出混沌克隆算子和超变异算子，混沌克隆算子在局部空间具有较强搜索能力，超变异算子在广阔空间具有大范围搜索能力，通过两个算子的并行操作使局部寻优和多样性保持相结合，从而提高算法的搜索效率．仿真表明，与传统进化规划（EP）和基于混沌变异的进化算法（EACM）相比较，并行免疫进化规划搜索效率高，能有效抑制早熟收敛现象，可用于解决复杂的机器学习问题．