一种启发式自适应免疫克隆方法。本发明专利技术基于克隆选择学说,采用浮点数编码，提出一种新的克隆选择算法。定义了精英克隆变异和启发式交叉2种主要算子；对高亲和度抗体实施小幅变异策略以进行局部搜索，对中等亲和度抗体群实施与高亲和度抗体群进行启发式交叉的策略以加快全局搜索，低亲和度抗体则死亡再生以保持种群多样性；为防止进化停滞，自适应地调整亲和度尺度变换参数。
【技术实现步骤摘要】
【专利摘要】。本专利技术基于克隆选择学说,采用浮点数编码，提出一种新的克隆选择算法。定义了精英克隆变异和启发式交叉2种主要算子；对高亲和度抗体实施小幅变异策略以进行局部搜索，对中等亲和度抗体群实施与高亲和度抗体群进行启发式交叉的策略以加快全局搜索，低亲和度抗体则死亡再生以保持种群多样性；为防止进化停滞，自适应地调整亲和度尺度变换参数。【专利说明】本专利技术基于克隆选择学说，采用浮点数编码，提出一种新的克隆选择算法。定义了精英克隆变异和启发式交叉2种主要算子；对高亲和度抗体实施小幅变异策略以进行局部搜索，对中等亲和度抗体群实施与高亲和度抗体群进行启发式交叉的策略以加快全局搜索，低亲和度抗体则死亡再生以保持种群多样性；为防止进化停滞，自适应地调整亲和度尺度变换参数。 为解决上述技术问题，本专利技术的技术方案是: 免疫克隆选择算法是通过克隆、变异连续传代形成群体，通过抗体克隆群的变异来提高免疫力(亲和度，遗传算法中的适应值)，从而实现种群的进化。CLONALG虽然克服了遗传算法局部搜索能力差且常出现进化缓慢现象的问题，但是用较小的变异概率来提高局部搜索能力，降低了全局搜索能力；而较大的变异概率虽然全局寻优能力提高，但收敛的精度下降。因此，其全局搜索能力和局部搜索能力是矛盾的，实验中发现CLONALG用于搜索多峰函数的多个局部最优解是有效的，但是其全局最优解的精度较低且收敛速度较慢。为此，基于克隆选择学说，采用区间内的浮点数编码，以搜索全局最优解为目标，提出精英抗体指导下的启发式进化思想，依据抗体与抗原的亲和度将种群分化为功能不同的子种群，高亲和度抗体在较小邻域内变异精细搜索局部最优解，中等亲和度抗体则与高亲和度抗体进行一致交叉(没有变异)加快全局粗搜索，低亲和度抗体则死亡并随机再生以保持种群多样性；交叉和变异的程度与抗体的亲和度有关，且在进化中自适应调整亲和度尺度变换参数，防止进化停滞。I浮点数编码 设第g代抗体群A(g) = {al, a2,，，aN}为抗体aj的N元组,抗体aj=(zjl, zj2,，，zjl),第j个抗体的第i个基因zji为区间内的浮点数，zji与xji建立如下映射关系:xji=pi+zji*(p1-qi) 称zji为xji的浮点数编码，xji为zji的解码。2种群分解 把A(g)依据抗体与抗原亲和度大小降序排序后，按1B6B3规模比例分解成3个子种群A{m} (g)、A{n} (g)、A{r} (g),其中A{m} (g)为亲和度最高的子种群,A {n} (g)为中等亲和度的子种群，A{r} (g)为亲和度最低的子种群。(A(g)ISN@L，A(g)=A{m} (g)G A{n} (g)GA{r}(g), m+n+r=N)。3 克隆(C loning) 对抗体aIA{m} (g) GA {n} (g)，按下式进行克隆:C=GiCi=Iia, i=l, 2,..., nc 式中:1为nc维行向量，nc为抗体a的克隆规模，Ci=a为a的一个克隆体。4尺度变换Tsc O 设抗体aIA(g)的排序为rank(a)，种群规模为N，按式(4)进行亲和度标准化:F(a) = (N-rank (a)) /N显然，F(a)的大小与目标函数值有关。再对F(a)按式(5)进行尺度变换。Tsc (a)=G#exp(-Q#F(a)) 式中:G和Q为常数，一般0〈G〈0.5，2[Q[10.可以看出，F (a)越大，Tsc (a)越小。5精英克隆变异Tem O 高亲和度抗体(精英)aIA{m} (g)位于优化函数f(xi)峰值附近，因此应在较小的空间内搜索其局部最优解。对aIA{m} (g)的克隆体CilC，按概率pml(0，I)进行如下一致变异操作:Cci=Ci+Tsc(a)*(2D-l) 式中:D为I维区间的随机数列向量。显然，Ci在Tsc (a)范围内变异，由于aIA{m} (g), Tsc (a)较小；另外，pm取小值,一般pm=l/l,可能发生变异的变量较少,所以其变异范围也较小。这样，就限制精英抗体在相对较小的邻域内搜索局部最优解，此局部最优解也是当前种群的最优解。6启发式克隆交叉THmO 为了迅速提高中等亲和度抗体的亲和度、加快抗体种群搜索全局最优解，专利技术中采用精英抗体对中等亲和度抗体进行如下启发式交叉。设aIA{n}(g)的克隆体CiIC,随机选取一个抗体acIA{m} (g),按式(7)进行交叉操作:Cci=Cii(l-Tsc(a)*D)+aci(Tsc(a)*D) 式中:D为I维区间的随机数列向量。可以看出，亲和度较大的抗体受精英抗体的影响较小，而亲和度较小的抗体受精英抗体的影响较大。7 G值的自适应算法 G可以认为是一个整体放大倍数，可以看出，G取大值，则Tsc (a)值相应增大，使得抗体的搜索范围增大，可以加快全局搜索，但局部收敛较慢，过大则成为随机搜索；同理，G取小值局部收敛精度较高，但易陷入局部最小。对于精英抗体群A{m} (g)主要用于搜索局部最优解，因此，G取较小值，令其为Gl ;而抗体群A{n} (g)主要用于开发全局最优解空间。因此，G取较大值， 令其为G2。一般有61〈62，分别用于1'%(&)值的计算。 与现有技术相比，本专利技术的有益效果是: I)启发式自适应免疫克隆选择算法基于人工免疫克隆原理，借鉴遗传算法的精英选择算子和交叉算子，提出了精英克隆变异算子、启发式克隆交叉算子，使得克隆选择算法能在加快全局搜索。2)能保证局部收敛的精度，其参数自适应机制能有效地防止种群进化停滞。对4个复杂函数的测试结果表明该算法有效地克服了早熟问题，收敛速度快，性能稳定，精度闻。3)仿真对比试验表明该算法明显改善了 CL0NALG算法，计算量小，性能稳定，精度高，不易陷入局部最优该算法为复杂连续函数的求解问题提供了一条有效途径。【权利要求】1.分为以下几个部分:免疫克隆选择算法是通过克隆、变异连续传代形成群体，通过抗体克隆群的变异来提高免疫力(亲和度，遗传算法中的适应值)，从而实现种群的进化；CLONALG虽然克服了遗传算法局部搜索能力差且常出现进化缓慢现象的问题，但是用较小的变异概率来提高局部搜索能力，降低了全局搜索能力；而较大的变异概率虽然全局寻优能力提高，但收敛的精度下降；因此，其全局搜索能力和局部搜索能力是矛盾的，实验中发现CLONALG用于搜索多峰函数的多个局部最优解是有效的，但是其全局最优解的精度较低且收敛速度较慢；为此，基于克隆选择学说，采用区间内的浮点数编码，以搜索全局最优解为目标，提出精英抗体指导下的启发式进化思想，依据抗体与抗原的亲和度将种群分化为功能不同的子种群，高亲和度抗体在较小邻域内变异精细搜索局部最优解，中等亲和度抗体则与高亲和度抗体进行一致交叉(没有变异)加快全局粗搜索，低亲和度抗体则死亡并随机再生以保持种群多样性；交叉和变异的程度与抗体的亲和度有关，且在进化中自适应调整亲和度尺度变换参数，防止进化停滞； 浮点数编码 设第g代抗体群A(g) = {al, a2,，，aN}为抗体aj的N元组,抗体aj=(zjl, zj2,，，zjl),第j个抗体的第i个基因zji为区间内的浮点数，zji与xji建立如下映射关系本文档来自技高网...
【技术保护点】
一种启发式自适应免疫克隆方法分为以下几个部分：免疫克隆选择算法是通过克隆、变异连续传代形成群体，通过抗体克隆群的变异来提高免疫力(亲和度，遗传算法中的适应值)，从而实现种群的进化；CLONALG虽然克服了遗传算法局部搜索能力差且常出现进化缓慢现象的问题，但是用较小的变异概率来提高局部搜索能力，降低了全局搜索能力；而较大的变异概率虽然全局寻优能力提高，但收敛的精度下降；因此，其全局搜索能力和局部搜索能力是矛盾的，实验中发现CLONALG用于搜索多峰函数的多个局部最优解是有效的，但是其全局最优解的精度较低且收敛速度较慢；为此，基于克隆选择学说，采用[0,1]区间内的浮点数编码，以搜索全局最优解为目标，提出精英抗体指导下的启发式进化思想，依据抗体与抗原的亲和度将种群分化为功能不同的子种群，高亲和度抗体在较小邻域内变异精细搜索局部最优解，中等亲和度抗体则与高亲和度抗体进行一致交叉(没有变异)加快全局粗搜索，低亲和度抗体则死亡并随机再生以保持种群多样性；交叉和变异的程度与抗体的亲和度有关，且在进化中自适应调整亲和度尺度变换参数，防止进化停滞；浮点数编码设第g代抗体群A(g)={a1, a2,,, aN}为抗体aj的N元组，抗体aj=(zj1,zj2,,,zjl)，第j个抗体的第i个基因zji为[0,1]区间内的浮点数，zji与xji建立如下映射关系：xji=pi+zji*(pi‑qi)称zji为xji的浮点数编码，xji为zji的解码；种群分解把A(g)依据抗体与抗原亲和度大小降序排序后，按1B6B3规模比例分解成3个子种群A{m}(g)、A{n}(g)、A{r}(g)，其中A{m}(g)为亲和度最高的子种群，A{n}(g)为中等亲和度的子种群，A{r}(g)为亲和度最低的子种群；(A(g)ISN@L,A(g)=A{m}(g)G A{n}(g)GA{r}(g),m+n+r=N)；克隆(C loning)对抗体aIA{m}(g)GA{n}(g),按下式进行克隆：C=GiCi=I@a, i=1,2,…,nc式中：I为nc维行向量，nc为抗体a的克隆规模，Ci=a为a的一个克隆体；尺度变换Tsc()设抗体aIA(g)的排序为rank(a)，种群规模为N,按式(4)进行亲和度标准化： F(a)=(N‑rank(a)) /N显然，F(a)的大小与目标函数值有关；再对F(a)按式(5)进行尺度变换；Tsc(a)=G#exp(‑Q#F(a))式中：G和Q为常数，一般0...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘雨，
申请(专利权)人：大连海联自动控制有限公司，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。