[发明专利]一种混沌-克隆进化方法

说明书

 

发明内容

本发明将混沌优化机制和免疫克隆进化算法有机结合,用混沌浮点数编码代替克隆选择算法的二进制编码,利用混沌随机序列产生初始种群,保证初始种群的多样性。对高亲和度抗体采用混沌扰动策略,对抗体根据其亲和度大小加以不同的混沌扰动;混沌扰动系数随进化代数而变化,进化前期加速搜索,进化后期加速收敛。对低亲和度抗体采用混沌再生策略,保持种群多样性。

 

为解决上述技术问题，本发明的技术方案是：

人工免疫算法是受生物免疫系统的启示而设计的一种全局优化算法。目前研究人员已经开发了许多基于免疫系统的计算技术,包括各种基于免疫原理的免疫算法、人工神经网络和免疫计算系统等。近年来，一些学者开展了基于免疫算法的混合算法的研究，取得了一些成果。其中较为突出的是免疫算法与遗传算法的结合。将免疫算法与其它算法进行混合，综合各种算法的特点，针对特定的问题,抽取不同的方法，有目的地融合免疫算法与其它智能方法,各取所长，建立混合智能系统，是人工免疫系统今后的重要研究方向之一。混沌(Chaos)是一种较为普遍的非线性现象。混沌的遍历性可作为搜索过程中避免陷入局部极小的一种优化机制。

本发明受混沌理论和克隆选择算法有关理论的启发，把混沌搜索和克隆选择算法相结合,提出一种混沌-克隆进化算法。用混沌变量进行抗体编码，利用混沌机制产生克隆初始种群,然后克隆后代，在克隆变异算子引入了混沌算法，在进化中将混沌变量映射到实际优化问题中求抗体的亲和度。

1、混沌编码

设抗体群A_b(g)={ a_b1,a_b2…abN}为抗体abj的N元组,抗体a_bj=(z_j1,z_j2…z_jl),第j个抗体的第i个变量z_jiI[0,1]为混沌变量, z_ji映射x_ji,即:

2、混沌初始种群

随机或有一定先验知识下确定l个初始变量z1i,即确定第1个抗体a0b1,该抗体称为原始抗体。将原始抗体a0b1中的l个变量分别代入(1)式,迭代(N-1)次,构成初始种群Ab(0)=GNi=1a0bi。由于混沌序列的不重复性,可以产生N个不同的初始抗体,保证初始种群的多样性。

3、混沌-克隆选择进化策略

把第g代种群Ab(g)依据抗体与抗原亲和度大小分解成两个子种群Ab{m}(g)和Ab{r}(g),其中Ab{m}(g)为亲和度较高的子种群,Ab{r}(g)为亲和度较低的子种群(Ab(g)ISN@l,Ab(g)=Ab{m}(g)+Ab{r}(g),m+r=N)。

对子种群Ab{m}(g)实行混沌扰动策略,设Ab{m}(g)中第j个抗体agbjIAb{m}(g),agbj=(Z1,Z2,,,Zl),Zi为混沌变量,设定抗体agbj扰动次数为n,混沌扰动操作如下:

随机取其中一个混沌变量Zi,设Zi第ki次被选中进行扰动,令z0=Zi,代入式(2),迭代ki次得zki,则:

称Dki为Zi的混沌扰动[11]。式(5)中Ki为agbi的扰动系数。显然,DkiI(-Ki,+Ki),ZicI(Zi-Ki,Zi+Ki),即Zi的搜索范围由Ki决定。我们期望亲和度高的抗体在小范围内搜索以期局部收敛到局部最优

解,Ki应该取小值;而亲和度低的抗体应该在大范围内全局搜索全局最优解,Ki应该取大值。

为了保持种群多样性,对低亲和度子种群Ab{r}(g)实行混沌再生操作:设Ab{r}(g)中第i个抗体agbiIAb{r}(g),把抗体agbi中的所有变量

分别按式迭代一次,产生一个新抗体acbi进入下一代。W( fi)为抗体agbi与抗原的标准亲和度,Q和G为W( fi)与Ki的尺度变换系数;W( fi)可计算得到(还有其它多种计算方法),式(8)中fi是目标函数值,对应实际问题。当W( fi)一定时,Q越小,Ki越大。在进化前期,为了加快搜索速度,期望有较大的搜索范围,即Ki较大,Q较小;而在进化后期,为了加快收敛,则期望搜索范围较小,即Ki较小,Q较大。

 

与现有技术相比，本发明的有益效果是：

1）通过最优个体的基因变异,类似于爬山法,进行局部寻优;而通过低亲和度个体的死亡并随机产生新个体的方法来进行全局寻优。本