10.3969/j.issn.1001-2400.2010.04.011
一种社会网络搜索免疫优化算法
基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法--社会网络搜索免疫优化算法.该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程.通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体.当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解.短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率.通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强.
免疫优化算法、社会网络模型、Kleinberg网络模型、克隆选择、数值优化
37
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目60703107,60703108,60803098;国家863资助项目2009AA12Z210;教育部长江学者和创新团队支持计划资助IRT0645
2010-09-28（万方平台首次上网日期，不代表论文的发表时间）
共6页
642-647
