高维多模态免疫遗传算法及其性能比较研究 (2010年)

随着优化方法在各领域的广泛应用，对优化技术的要求越来越高，为此，基于免疫系统抗体的自适应、自组织等学习机制，提出一种免疫遗传算法用于高维多模态优化问题求解．算法设计中亲和力随抗体群动态自适应学习，采取高斯突变及混合交叉等策略增强群体的多样性，提高算法的搜索和探测能力．将其与遗传算法及克隆选择算法通过数值实验比较，结果表明：所获的算法收敛速度快，勘测能力强，优越于其他比较的优化算法，具有较强的优化能力．