融合云模型和反向学习的克隆选择算法

摘要：

为了进一步改善高维对象优化时免疫克隆算法的种群多样性,提高算法全局优化能力和搜索效率,提出了融合云模型和反向学习的克隆选择算法.引入云模型概念,使用正向云发生器产生云变异因子,进而对克隆后种群进行变异;利用反向学习策略,对变异前后的种群求反向解,进而实现种群抗体选择;通过马尔可夫链理论证明了算法收敛性.六组高维函数测试结果表明,与差分遗传算法、免疫遗传算法和自适应混沌克隆选择算法相比,该算法实现了100％的寻优,且最小收敛代数、平均收敛代数及迭代代数标准差分别平均减少33.7％、19.8％、29.1％,从而验证了其强优化能力、高搜索效率和好稳定性.

关键词：云模型;反向学习;克隆选择;云变异;高维函数优化

所属期刊栏目：57

分类号：TP391.41(计算技术、计算机技术)

资助基金：2018年国家重点研发计划"智能机器人"重点专项;2019年江苏省科技成果转化专项资金项目

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-74