用于数值和组合优化的免疫记忆克隆算法

受克隆选择理论和免疫网络模型的启发，我们提出了一种新的人工免疫算法，称为免疫记忆克隆算法（IMCA）。 首先讨论了受免疫系统启发的克隆操作员。 IMCA包括两个基于不同免疫记忆机制的版本； 它们是自适应免疫记忆克隆算法（AIMCA）和免疫记忆克隆策略（IMCS）。 在AIMCA中，每种抗体的突变率和存储单位大小会动态调整。 IMCS同时实现抗体种群和存储单元的进化。 通过使用克隆选择运算符，可以将全局搜索与局部搜索有效地结合在一起。 根据抗体-抗体（Ab-Ab）亲和力和抗体-抗原（Ab-Ag）亲和力，IMCA可以自适应地分配存储单元的大小和抗体群体。 在实验中，使用了18个多维函数，维数范围从2到1000，以及组合优化问题，例如旅行商和背包问题（KPs），以验证IMCA的性能。 给出了每次迭代的计算成本。 实验结果表明，IMCA具有较高的收敛速度，并且在增强种群多样性和一定程度上避免过早收敛方面具有很强的能力。 从理论上讲，IMCA以概率1收敛。 2010高等教育出版社和施普林格出版社柏林海德堡。