论文部分内容阅读
生物免疫系统是一种高度并行的自适应信息学习系统,它能自适应地识别和排除机体的抗原性异物,并且具有学习、记忆和自适应调节能力,能够保护机体体内环境的稳定。近年来,人们逐渐意识到生物免疫机制对开发新的计算机智能的启示意义,克隆选择算法(CSA)即是受生物免疫系统启示而设计的新型算法。它结合了先验知识和生物免疫系统的自适应能力两大特点,因而具有较强的鲁棒性和信息处理能力,并且在对问题进行求解时不要求目标函数具有可导等高附加信息,在搜索过程中能更快收敛到全局最优解,被人们认为是具有强大潜力的搜索算法,现已经用于模式识别,异常和故障诊断,机器人控制,网络入侵检测,函数优化等领域,表现出较卓越的性能和效率。本文根据克隆选择原理,研究了克隆选择算法在多峰值函数优化和动态路径优化中的应用。本文的工作主要有以下几个方面:(1)介绍了生物免疫系统的发展历史、系统功能和一些基本概念,简单介绍了人工免疫系统的免疫机理、免疫优化机理以及常见的免疫优化算法;其次,介绍了克隆选择算法的基本原理、基本特点以及克隆选择在优化中的应用。(2)论文通过分析经典的CLONALG算法在多峰值函数优化中的不足,改进克隆选择操作和变异操作,并且引入了免疫网络的抑制操作,提出了一种多峰函数优化的改进的克隆选择算法,该算法并与CLONALG算法和opt-aiNet算法在多峰函数中的优化效果进行比较。(3)通过分析路网中交通状态实时变化的特点以及出行者选择最佳路径的问题上存在多目标性的特点,建立了基于路段行程时间和路段长度的动态路径多目标规划模型。然后,在分析了克隆算法的路径编码方式和变异操作的基础上,设计了一种用于求解动态路径多目标模型的克隆选择算法。仿真结果表明,该算法具有实时性的特点,能以启发式的变异操作较快的搜索出的基于出行者选择的车辆行驶最佳路径,在车辆行驶过程中,可根据实时的交通状态,动态地调整行驶路线。