摘要：为使多部同型雷达能够在近距离内同时正常工作,必须解决同型干扰问题。提出了一种基于克隆选择的雷达抗同型干扰工作序列设计方法。简要总结了现有解决方案存在的不足,讨论了平均同型干扰与雷达工作序列的关系,在此基础上建立了使平均同型干扰最小的雷达最优工作序列所应满足的数学模型,基于克隆选择框架构造启发式搜索,求解一个整数非线性规划问题。实验结果表明:克隆选择算法能够以高正确率快速收敛于全局最优解,获得雷达利用效率与抗同型干扰性能之间的最佳折衷。

摘要：针对混流装配线的多目标调度优化问题,提出了一种疫苗协同进化的多目标免疫克隆选择优化算法.设计了疫苗种群及其相关操作,使其跟抗体种群相互影响并协同进化,提高了算法的性能;针对调度优化问题的离散性,选择同时从抗体的基因型和表现型评价抗体亲和度;依据抗体质量和进化代数,设计了自适应变异率;在每次迭代过程中,通过多次局部寻优加快算法收敛速度.最后通过两组实例仿真,与另3种多目标优化算法进行比较,结果证明该算法可得到更好的计算结果.

摘要：为减少计算复杂度,将具有解决复杂组合优化问题的免疫克隆选择算法应用于求解柔性生产调度问题.首先设计一种有效的抗原和抗体的数据结构,用抗原表示待调度的生产计划,抗体表示高效的柔性生产调度结果;然后着重设计了用于产生高效的柔性生产调度结果的克隆免疫算子;最后运用该模型对一个实际生产系统进行仿真调度决策,实验评估结果验证了算法的正确性和有效性.

摘要：提出了一种基于字符串编码克隆选择的建模算法,其核心是通过字符串编码的克隆选择策略在初等函数空间上进化、选择初等函数和函数间的运算关系,构成预测模型,并优化模型参数,实现预测模型形式的自动生成和参数的自适应确定.字符串编码设计使随机生成函数表达式成为可能;克隆选择策略实现了字符串编码抗体的进化训练;对基于字符串编码的克隆选择操作算子设计,增加了种群的多样性,使得不同抗体协同进化,有效避免了进化"早熟"现象。用该算法建立某武器系统可靠度预测模型,实验结果表明:该模型具有较高的精度,为可靠性预测、故障预报与维修奠定了基础.

摘要：在探讨遗传算法求解TSP问题中编码方式和交叉、变异算子作用特点的基础上,发现模板理论已经不能很好地适应TSP问题,主要是因为非二值符号编码和交叉算子对边的过度破坏导致子代难以继承父代的优良模式.为了克服上述问题,提出一种三角形表示的路径编码方案,并给出相应的启发式路径搜索策略;引入生物免疫系统的克隆选择机理加强局部搜索,进而构造一种适合TSP问题求解的人工免疫系统算法———超变异抗体克隆选择算法(HACSA).典型TSP问题的求解表明,和Endoh等人的免疫算法和遗传算法相比,HACSA的计算复杂度相当,60%以上的求解结果达到或者超过问题已知的最优值,而相应的免疫算法和遗传算法几乎均陷入局部极值,无法获得满意的求解结果.

摘要：针对粒子群算法和克隆选择原理的特点,提出了基于克隆选择和粒子群思想的动态多群体优化算法.该算法将整个群体分为若干子群体,在子群体内部应用基本的粒子群算法,以子群体作为抗体设计了克隆、变异、选择和受体编辑算子.变异算子使子群体动态变化实现子群体间相互交换信息,具有良好的全局搜索能力.实验结果表明,该算法具有寻优能力强、搜索精度高的优点,可用于工程问题中具有各种特性的复杂函数优化.

摘要：该文针对传统智能优化算法中虚拟碰撞而导致的全局搜索效率降低的问题,提出一种模糊非基因信息记忆的双克隆选择算法。该算法设计基于模糊非基因信息的搜索机制与克隆选择原理相结合,对抗体进化中的非基因信息进行采集、模糊化并保存到记忆库,运用这些信息引导该抗体后续的双克隆搜索过程,从而减少非优区域的虚拟碰撞,提高全局搜索效率。通过标准测试函数的仿真试验并与其他算法比较,新算法表现出更快的全局收敛速度和更高的全局收敛精度。

摘要：针对遗传算法求解高维背包问题收敛速度慢、易于陷入局部最优的缺点,基于生物免疫系统克隆选择原理,提出一种克隆选择免疫遗传算法。该算法中抗体采用二进制编码,通过抗体浓度设计抗体亲和力,进化群分离为可行群和非可行群,进化过程仅可行抗体动态克隆和突变,非可行抗体经修复算子获可行抗体。数值实验中,选取三种著名的算法用于四种高维的背包问题求解,结果表明:所提算法较其他算法具有更强的约束处理能力和快速收敛的效果。

摘要：线状要素作为占据地图图形80%以上的地图目标,其自动概括是制图综合的一个重要内容。线状要素图形简化是其制图综合的一个主要手段。本研究以克隆选择算法的基本原理,分析对线状要素数据进行压缩时图形简化的约束条件,顾及线状要素的几何精度和形状特征,设计相应的编码机制、变异机制和亲和度函数,提出一种新的线状要素图形自动简化模型。同时,结合不可行解修复机制,提高图形简化的精度。最后,将该模型与道格拉斯算法、遗传算法的简化结果作对比,实验表明,在相同的几何精度内,文中提出的线状要素图形简化模型,在保持线状要素图形形状方面表现更佳。

摘要：提出一种自适应多重Baldwin克隆选择算法(SAMBCSA)用以改善经典克隆选择算法(CLONALG)针对复杂多峰优化时精度不足的问题。通过学习不同抗体之间的优势差异信息引导免疫变异,挖掘潜在优势解区域方向,增强免疫进化能力。设计了免疫响应策略库,并引入基于统计的自适应学习框架以使算法可自适应选择不同的免疫响应策略应对不同的问题,增强算法普适性。分析了算法的时间复杂度,并说明了算法的收敛性。针对16个最新测试函数的仿真实验表明,对于多数复杂多峰优化问题,SAMBCSA的求解质量和收敛速度优于标准免疫克隆选择算法等已有算法。