结合Baldwinian效应和周期变异的免疫函数优化

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (32): 51-53.

结合Baldwinian效应和周期变异的免疫函数优化

张敏辉1，高晓玲1，杨剑2

1.四川教育学院计算机科学系，成都 611130
2.电子科技大学成都学院，成都 611713

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-11 发布日期:2011-11-11

Function optimization based on immune clone with Baldwinian efficiency and periodically mutation

ZHANG Minhui1，GAO Xiaoling1，YANG Jian2

1.School of Computer Science，Sichuan College of Education，Chengdu 611130，China
2.Chengdu College，University of Electronic Science and Technology of China，Chengdu 611713，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-11 Published:2011-11-11

摘要/Abstract

摘要： 为了有效提高免疫克隆算法的搜索能力，借鉴生物免疫系统的Baldwinian效应及生物进化的周期性，提出了一种融入Baldwinian正向学习和周期变化变异算子的克隆优化方法，并使用受体编辑保证抗体的多样性，避免局部最优。通过函数测试问题对算法进行了仿真，结果表明，该算法具有较快的收敛速度和求解精度。

关键词: 人工免疫系统, 克隆选择, 函数优化, Baldwinian效应, 周期变异

Abstract: In order to improve the search ability of the immune clone algorithm，a method with Baldwinian efficiency and periodically mutation is proposed based on immune mechanism and periodical evolution of organism.And receptor editing is used to ensure the antibody diversity for avoiding local optimal.The function optimization based experiments show that the algorithm has better effectiveness and rapid convergence.

Key words: artificial immune system, clone selection, function optimization, Baldwinian efficiency, periodically mutation

张敏辉1，高晓玲1，杨剑2. 结合Baldwinian效应和周期变异的免疫函数优化[J]. 计算机工程与应用, 2011, 47(32): 51-53.

ZHANG Minhui1，GAO Xiaoling1，YANG Jian2. Function optimization based on immune clone with Baldwinian efficiency and periodically mutation[J]. Computer Engineering and Applications, 2011, 47(32): 51-53.

[1]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[2]	陈海洋，金晓磊，牛龙辉，刘喜庆. 基于改进克隆选择算法的区域交通灯配时优化[J]. 计算机工程与应用, 2020, 56(9): 272-278.
[3]	魏锋涛，史云鹏，石坤. 具有组合变异策略的回溯搜索优化算法[J]. 计算机工程与应用, 2020, 56(9): 41-47.
[4]	刘喜梅，潘立军. 求解公共自行车再平衡问题的克隆选择算法[J]. 计算机工程与应用, 2020, 56(11): 252-258.
[5]	陈忠云，张达敏，辛梓芸，张绘娟，闫威. 混沌精英质心拉伸机制的樽海鞘群算法[J]. 计算机工程与应用, 2020, 56(10): 44-50.
[6]	谈庆，黄樟灿. 基于近邻套索算子的磷虾群算法[J]. 计算机工程与应用, 2019, 55(9): 124-129.
[7]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.
[8]	刘茜1，毛力1，杨弘2. 差分进化引导趋化算子的烟花优化算法[J]. 计算机工程与应用, 2019, 55(3): 140-146.
[9]	顾清华，孟倩倩. 优化复杂函数的粒子群-鸽群混合优化算法[J]. 计算机工程与应用, 2019, 55(22): 46-52.
[10]	邹德龙，王宝华. 一种混合优化算法面向高维函数优化的研究[J]. 计算机工程与应用, 2019, 55(20): 122-127.
[11]	党婷婷，林丹. 含有动态自适应惯性权重的蜘蛛猴优化算法[J]. 计算机工程与应用, 2019, 55(14): 40-47.
[12]	魏锋涛，岳明娟，郑建明. 基于多策略融合的改进人工蜂群算法[J]. 计算机工程与应用, 2018, 54(5): 111-116.
[13]	巫东凯，张凤斌，席亮. 自适应混合变异克隆选择算法研究[J]. 计算机工程与应用, 2018, 54(21): 78-83.
[14]	徐辰华1，李成县1，喻昕2，黄清宝1. 基于Cat混沌与高斯变异的改进灰狼优化算法[J]. 计算机工程与应用, 2017, 53(4): 1-9.
[15]	吴伟民，吴汪洋，林志毅，李泽熊，方典禹. 基于增强个体信息交流的蜻蜓算法[J]. 计算机工程与应用, 2017, 53(4): 10-14.