人工免疫网络算法的改进研究

徐 艳

(电子科技大学成都学院 611731)

工程实用中，随着新要求和新特性的出现，在数据和函数优化、神经元结构优化、系统识别、图像处理中不仅需要获得确定问题目标函数的最优解，还要获得多数局部问题目标函数的最优解，该类问题的共同特征是目标函数具有较多的局部最优解，而全局最优解不确定。对于该类问题，传统的数值优化算法已经无法满足求解要求，因此需要采用其他算法进行求解，如适应度分享法、子群法等都被用来对目标函数进行最优解搜索，但是该类算法在搜索结果和对复杂数据的求解能力方面还不够理想。

鉴于生物免疫系统具有高度自适应的协调自治系统，且其对复杂问题的处理具有非常大的优势，其与当前应用中所需要的功能相吻合，故仿照生物进化特性而提出的人工免疫网络算法在智能计算、网络优化、模式识别等领域得到了广泛的应用。该算法可以根据问题进行学习，进而利用其强大的处理功能对信息进行处理，获得优化问题的最优解。在人工免疫算法中，函数优化的目的在于在指定范围内获得目标函数的最优解，该过程类似于抗体群体对抗原进行识别并获得抗原所对应的求解的问题。

本文提出了一种改进的人工免疫网络算法对复杂函数进行优化求解，该算法借鉴禁忌搜索算法的思想，引入禁忌表、记忆表及搜索方向表，以改善人工免疫网络算法在优良状态记忆方面和搜索复杂度方面的存在的不足。……