基于免疫粒子群算法的组合预测模型研究

赵 明，黄启来，张作刚

（1.海军航空工程学院 山东 烟台 264001；2.海军航空工程学院青岛校区 山东 青岛 266041）

由于多种因素的影响，预测对象可能是一个复杂的各种集合的系统，传统的单个预测模型存在着某些不足，如信息源的不广泛性、模型预测的精度问题等。自组合预测的方法提出以来，因其能有效地提高预测精度，受到国内外预测工作者的重视，一直是国内外研究的热点课题。组合预测就是综合利用各种单个预测模型提供的信息，以其适当的加权形式得出锄禾预测模型。组合预测最关心的就是如何求出加权系数，使其更有效的提高预测精度。文章利用免疫粒子群算法求得权值，并通过实例计算和精度分析来验证算法的有效性和合理性。

1 免疫粒子群算法

粒子群算法利用随机函数来初始化粒子种群，在使用进行对种群进行随机搜索时利用适应值来对系统进行评价。在粒子群算法的搜索解空间的早期，很快就能够找到最优解但一般是局部最优点，很多时候不能够满足精度要求[1]。但是如果设置数值较大的加速系数、最大速度等，粒子群算法就很有可能无法获取最优解，导致算法无法收敛；如果算法收敛，那么存在着粒子群中的每个粒子都会靠近最优解，这样必然会导致群中的粒子有同一化的趋势（失去了粒子的多样性），使得算法在后期运算时算法的收敛速度会变得比较慢，当算法获得到一定程度下的最优解时无法再继续进行优化，还是会获得比较低的精度[2]。……