东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

用于约束多目标优化的免疫记忆克隆算法

ISSN号：0732-2112
期刊名称：电子学报
时间：0
页码：1289-1293
语言：中文
分类：TP18[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
作者机构：[1]西安电子科技大学智能信息处理研究所和智能感知与图像理解教育部重点实验室,陕西西安710071
相关基金：国家“863”计划（No.2006AA01Z107）;陕西“13115”科技创新工程重大科技专项目（No.2008ZDKG-37）;国家自然科学基金（No.60703107;60703108;60803706）;陕西省自然科学基金（2007F23）;国家教育部博士点基金（N0.20070701022）;中国博士后科学基金资助项目（No.20080431228）以及教育部长江学者和创新团队支持计划（No.IRT0654）
相关项目：人工免疫系统动力学建模及其在入侵检测中的应用

关键词：人工免疫系统, 约束多目标优化, 免疫记忆, Pareto-最优, artificial immune system, conslrained multi-objective optimization, immune memory, Pareto-optimal

中文摘要：

提出一种用于求解约束多目标优化问题的新算法，其主要特点是将约束条件转化为一个目标，并引入免疫克隆和免疫记忆机制，使抗体种群的演化过程和记忆单元的演化过程并行进行，更好地实现了抗体间的相互协作，保证了在演化过程中，解集从可行域内部和不可行域边缘向着约束最优Pareto-前端逼近．从而保证了算法较强的收敛性以及所得最优解较好的多样性．仿真结果表明，新算法很好的保持了所得最优解的多样性、均匀性以及较强的收敛性．

英文摘要：

A new algorithm for constrained multi-objective optimization is presented. The algorithm treats the constraints as an objective and the immune clone and immune memory mechanism are introduced. Therefore, the new algorithm could find the Pareto-optimal solutions from the feasible region and the edge of the infeasible region, which assures both the convergence and diversity of the obtained solutions. Simulation results show that the new algorithm has much better performance in finding a much better spread of solutions, in maintaining a better uniformity of the solutions and in obtaining a better convergence.