多峰值函数优化问题的免疫遗传算法求解

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多峰值函数优化问题的免疫遗传算法求解

万建臣, 靳宗信

文章导航 > 电子科技大学学报 > 2013 > 42(5): 769-772

万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解[J]. 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

引用本文:

万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解[J]. 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

WAN Jian-chen, JIN Zon-gxin. Improvement of Immune Genetic Algorithm for Multi-Peak Function Optimization[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

Citation:

WAN Jian-chen, JIN Zon-gxin. Improvement of Immune Genetic Algorithm for Multi-Peak Function Optimization[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

多峰值函数优化问题的免疫遗传算法求解

doi: 10.3969/j.issn.1001-0548.2013.05.024

1.
黄河科技学院信息工程学院郑州 450063

基金项目:

河南省科技创新团队(112PCXTD343)

作者简介:
万建臣(1973-),男,主要从事智能信息处理和人工智能方面的研究.

中图分类号: TP3139.03

Improvement of Immune Genetic Algorithm for Multi-Peak Function Optimization

1.
Department of Information Engineering,Huanghe Science and Technology College Zhengzhou 450063

摘要: 生物免疫系统在遭受未知抗原攻击时,能通过基因的重组和变异,找到合适的抗体消灭抗原,并且能保持抗体的多样性。把生物免疫系统的这种特性加入到免疫遗传算法中能解决其迭代后期出现的退化现象。针对注射过疫苗的生物免疫系统能够很快识别抗原这一特性,对传统免疫遗传算法进行改进,提出一种改进的免疫遗传算法(IIGA),并用其求解经典的Benchmark多峰值函数,实验结果表明IIGA能够有效抑制免疫遗传算法的退化现象,并提高算法的收敛速度。
- 收敛 /
- 遗传算法 /
- 免疫疫苗 /
- 多峰值函数 /
- 最优解 /
- 接种
Abstract: The biological immune system when attacked can always find the right antibodies to destroy the antigen and can maintain the diversity of antibodies. The combination of genetic and immunity in biology has been shown to be an effective approach to solving the degeneration of genetic algorithm in the late iterative optimization. According to the characteristic that the injected vaccine immune system can accomplish quickly identification the antigen, an improved immune genetic algorithm (IIGA) is proposed based on this theory for Benchmark function optimization. The results show that the IIGA can effectively prevent the algorithm degenerative during the process of optimization of the genetic algorithm, and improve the convergent speed of the algorithm.
- convergence /
- genetic algorithm /
- immune vaccine /
- multi-peak function /
- optimum solution /
- vaccinate

[1]	张民, 贾海涛, 沈震. 基于遗传算法改进的粒子滤波重采样模型 . 电子科技大学学报, 2015, 44(3): 344-349. doi: 10.3969/j.issn.1001-0548.2015.03.005
[2]	肖海林, 王鹏, 聂在平, 欧阳缮. 基于遗传算法的多基站协作通信功率分配方案 . 电子科技大学学报, 2014, 43(1): 26-30,41. doi: 10.3969/j.issn.1001-0548.2014.01.004
[3]	薛羽, 庄毅, 朱浩, 张友益礻禹. 求解协同干扰问题的高效免疫遗传算法 . 电子科技大学学报, 2013, 42(3): 452-458. doi: 10.3969/j.issn.1001-0548.2013.03.026
[4]	郑世明, 高志年, 韦伟, 苗壮, 邵荣明. 基于云模型的网格任务调度遗传算法研究 . 电子科技大学学报, 2012, 41(6): 911-915. doi: 10.3969/j.issn.1001-0548.2012.06.018
[5]	罗航, 廖俊必, 王厚军, 黄建国, 龙兵. 实现最优BDD结构的联合改进方法 . 电子科技大学学报, 2012, 41(1): 48-53. doi: 10.3969/j.issn.1001-0548.2011.04.010
[6]	王江安, 庄奕琪, 周清军. 遗传算法抑制BOC(1,1)信号多径研究 . 电子科技大学学报, 2010, 39(1): 45-49. doi: 10.3969/j.issn.1001-0548.2010.01.011
[7]	杨波, 徐渊, 朱明程, 李广军. 一种改进的遗传算法进化有限状态机 . 电子科技大学学报, 2007, 36(2): 196-198,209.
[8]	王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化 . 电子科技大学学报, 2007, 36(1): 137-139,153.
[9]	李向阳, 张亚非. 一种基于遗传算法的语义标注 . 电子科技大学学报, 2007, 36(1): 86-89.
[10]	吴传信, 倪明放, 陈鸣. 路由选择的一种新遗传算法 . 电子科技大学学报, 2006, 35(5): 744-747.
[11]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[12]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[13]	崔炳华, 邱琪, 薛飞, 王岩柏. 多波长后向泵浦拉曼放大器优化算法研究 . 电子科技大学学报, 2003, 32(3): 296-299.
[14]	王忠, 柴贺军, 刘浩吾. 关于进化遗传算法的几点改进 . 电子科技大学学报, 2002, 31(1): 76-79.
[15]	王海枚, 游志胜. 基于遗传算法与模糊控制的建模方法 . 电子科技大学学报, 2002, 31(3): 266-269.
[16]	张宇, 郭晶, 周激流. 动态变异遗传算法 . 电子科技大学学报, 2002, 31(3): 234-239.
[17]	饶克谨, 苟益. 电路模拟吸收体的遗传算法设计 . 电子科技大学学报, 2000, 29(1): 54-60.
[18]	王勇, 陈光. 面向时滞测试生成的改进遗传算法 . 电子科技大学学报, 1999, 28(2): 157-161.
[19]	吴斌, 吴坚, 涂序彦. 快速遗传算法研究 . 电子科技大学学报, 1999, 28(1): 49-53.
[20]	潘中良, 陈光. 测试图形生成的遗传算法研究 . 电子科技大学学报, 1997, 26(5): 511-514.

WeChat

点击查看大图

计量

文章访问数: 3380
HTML全文浏览量: 96
PDF下载量: 142
被引次数: 0

多峰值函数优化问题的免疫遗传算法求解

doi: 10.3969/j.issn.1001-0548.2013.05.024

1. 黄河科技学院信息工程学院郑州 450063

基金项目:

河南省科技创新团队(112PCXTD343)

作者简介:
万建臣(1973-),男,主要从事智能信息处理和人工智能方面的研究.

收稿日期: 2012-04-28
修回日期: 2013-06-07
刊出日期: 2013-10-15

中图分类号: TP3139.03

关键词:

摘要: 生物免疫系统在遭受未知抗原攻击时,能通过基因的重组和变异,找到合适的抗体消灭抗原,并且能保持抗体的多样性。把生物免疫系统的这种特性加入到免疫遗传算法中能解决其迭代后期出现的退化现象。针对注射过疫苗的生物免疫系统能够很快识别抗原这一特性,对传统免疫遗传算法进行改进,提出一种改进的免疫遗传算法(IIGA),并用其求解经典的Benchmark多峰值函数,实验结果表明IIGA能够有效抑制免疫遗传算法的退化现象,并提高算法的收敛速度。

English Abstract

万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解[J]. 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

引用本文:

万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解[J]. 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

WAN Jian-chen, JIN Zon-gxin. Improvement of Immune Genetic Algorithm for Multi-Peak Function Optimization[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

Citation:

WAN Jian-chen, JIN Zon-gxin. Improvement of Immune Genetic Algorithm for Multi-Peak Function Optimization[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发