提出一种定向多尺度变异克隆选择优化算法. 为了实现抗体间信息共享, 算法利用定向进化机制引导抗体向着抗体群最优解区域逼近. 采用多尺度高斯变异机制, 在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位. 随着适应值的提升, 小尺度变异会随之减低, 使得算法在进化后期通过小尺度变异完成局部精确解的搜索. 将算法应用到5 个经典函数优化问题, 结果表明, 该算法不仅具有更快的收敛速度, 而且全局解搜索能力和稳定性均有显著提高.
2023-03-11 20:54:19
240KB
1
CLONALG - 优化问题的克隆选择算法(好看matlab).zip
对于 3-D 最小化问题
您应该针对多维 (ND) 问题调整代码。
该代码使用匿名函数进行优化。为测试提供了一些测试功能。
参考：
de Castro, LN 和 Von Zuben, FJ 使用克隆选择原则进行学习和优化。IEEE 进化计算汇刊。诉 6(3)。2002. DOI: 10.1109/TEVC.2002.1011539
2022-04-15 18:04:40
302KB
1
针对标准蚁群算法易于出现早熟停滞现象，提出了一种自适应多态免疫蚁群算法（adaptive polymorphic immune ant colony algorithm，PIACA）。通过设置多种状态蚁群及引入自适应多态蚁群竞争机制，PIACA算法能有效抑制收敛过程中的早熟停滞现象。将禁忌表中每只蚂蚁走过的路径视为抗体，对抗体运用局部最优搜索算法和免疫克隆选择算法进行高效优化，提高了解的质量。针对TSP实验结果表明，该算法在收敛速度及求解精度上均取得到了较好的效果。
2022-04-07 15:10:04
887KB
1
对于 3-D 最小化问题您应该针对多维 (ND) 问题调整代码。 代码使用匿名函数进行优化。 一些测试功能是为测试提供的。
参考： de Castro、LN 和 Von Zuben，FJ 使用克隆选择原则进行学习和优化。 IEEE 进化计算汇刊。 第 6(3) 条。 2002. DOI: 10.1109/TEVC.2002.1011539
2022-03-20 15:56:22
336KB
1
基于免疫系统中克隆选择原理，提出了一种多目标克隆选择算法MCSA。该方法只对部分当前所得到的Pareto最优解进行进化操作，所求得的Pareto最优解保留在一个不断更新的外部记忆库中，并选用一种简单的多样性保存机制来保证其具有良好的分布特征。实验结果表明,该方法能够很快地收敛到Pareto最优前沿面，同时较好地保持解的多样性和分布的均匀性。对于公认的多目标benchmark问题,MCSA在解集分布的均匀性、多样性与解的精确性及算法收敛速度等方面均优于SPEA、NSGAII等算法。
2022-02-26 17:15:03
56KB
1