Danger theory based artificial immune system solving dynamic constrained single-objective optimization
Danger theory based artificial immune system solving dynamic constrained single-objective optimization
复制标题
基于危险理论的人工免疫系统求解动态约束单目标优化
DOI：
10.1007/s00500-013-1048-0
复制
发表时间：
2013-06
期刊：
影响因子：
4.1
通讯作者：
Fei Long
中科院分区：
文献类型：
--
作者：
Zhuhong Zhang;Shigang Yue;Min Liao;Fei Long
本文提出了一种基于免疫学危险理论的人工免疫系统(AIS)，用于求解具有时变设计空间的动态非线性约束单目标优化问题。这种人工智能系统依次执行危险检测、免疫进化和记忆更新三个模块。第一个模块识别优化环境是否发生变化，并确定环境级别，有助于在环境中创建初始种群，促进解的搜索过程。第二个模块运行优化循环，其中每个具有动态大小的三个子种群通过共同进化同时沿不同方向寻找最优解的位置。最后一个模块存储并更新存储单元，以帮助第一个模块确定环境级别。该优化系统具有简单、模块化、协同进化等特点，是一种在线自适应优化系统。基于22个基准问题和一个工程问题的数值实验和非参数统计方法的结果表明，该方法的全局性能优于比较的算法，对多种动态优化问题具有潜在的应用价值。
In this paper, we propose an artificial immune system (AIS) based on the danger theory in immunology for solving dynamic nonlinear constrained single-objective optimization problems with time-dependent design spaces. Such proposed AIS executes orderly three modules—danger detection, immune evolution and memory update. The first module identifies whether there are changes in the optimization environment and decides the environmental level, which helps for creating the initial population in the environment and promoting the process of solution search. The second module runs a loop of optimization, in which three sub-populations each with a dynamic size seek simultaneously the location of the optimal solution along different directions through co-evolution. The last module stores and updates the memory cells which help the first module decide the environmental level. This optimization system is an on-line and adaptive one with the characteristics of simplicity, modularization and co-evolution. The numerical experiments and the results acquired by the nonparametric statistic procedures, based on 22 benchmark problems and an engineering problem, show that the proposed approach performs globally well over the compared algorithms and is of potential use for many kinds of dynamic optimization problems.
登录
查看更多内容
DOI：
10.1007/s11432-011-4211-1
发表时间：
2011-04
期刊：
Science China Information Sciences
影响因子：
--
作者：
Xin Yu;K. Tang;X. Yao
通讯作者：
Xin Yu;K. Tang;X. Yao
DOI：
10.1016/j.ins.2008.11.014
发表时间：
2009-04
期刊：
Inf. Sci.
影响因子：
--
作者：
K. Trojanowski;S. Wierzchon
通讯作者：
K. Trojanowski;S. Wierzchon
动态环境下人工免疫系统求解时变非线性约束多目标问题
影响因子：
4.1
作者：
Zhuhong Zhang;Shuqu Qian
通讯作者：
Shuqu Qian
DOI：
--
发表时间：
2005
期刊：
Int. J. Unconv. Comput.
影响因子：
--
作者：
通讯作者：
--
影响因子：
4.6
作者：
Jing Liang;Boyang Qu;P. Suganthan;A. G. Hernández-Díaz
通讯作者：
Jing Liang;Boyang Qu;P. Suganthan;A. G. Hernández-Díaz