基于定向变异策略的改进克隆选择算法
作者:
基金项目:

国家自然科学基金(61977021); 湖北省重点研发计划(2021BAA184)


Improved Clonal Selection Algorithm Based on Directed Mutation Strategy
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [18]
  • |
  • 相似文献
  • | | |
  • 文章评论
    摘要:

    本文针对克隆选择算法(CSA)存在的问题, 如搜索速度慢、收敛精度低、容易陷入局部最优, 提出一种基于定向变异的改进克隆选择算法(DMSCSA). 该算法引入Halton序列来生成均匀分布的初始化种群, 实现对解空间更高效的搜索; 采用黄金正弦变异策略在迭代过程中对优秀抗体定向变异, 提升算法收敛速度; 引入柯西变异策略, 能够在保证种群多样性的前提下提高算法跳出局部最优的能力. 使用CEC2019测试函数集中的8个不同的测试函数并与其他同类型算法进行对比实验, 通过实验结果可知, DMSCSA算法在寻优精度、收敛速度等方面均有提升.

    Abstract:

    This study proposes an improved clonal selection algorithm based on directed mutation strategy (DMSCSA) to address the problems of the clonal selection algorithm (CSA), such as slow search speed, low convergence accuracy, and easy fall into local optimum. The algorithm introduces the Halton sequence to initialize the population, which enhances the uniformity of the initial population distribution and realizes a more efficient search of the solution space. The golden sine mutation strategy is adopted to conduct the directional mutation of the excellent antibodies in the iterative process, which improves the convergence speed of the algorithm. The introduction of the Cauchy mutation strategy can improve the algorithm’s capability to jump out of the local optimum while ensuring population diversity. Eight different test functions in the CEC2019 test function set are utilized and compared with other algorithms of the same type. The experimental results show that the DMSCSA improves the optimization accuracy and convergence speed.

    参考文献
    [1] 王其涛. 元启发式算法在离散选址中的应用 [硕士学位论文]. 南京: 南京航空航天大学, 2010.
    [2] 全燕鸣, 何一明. 多机器人任务分配调度的克隆选择算法. 华南理工大学学报(自然科学版), 2021, 49(5): 102–110.
    [3] 孙欣, 王宇嘉, 林炜星. 均匀克隆选择算法在城市配送中心选址中的应用. 制造业自动化, 2022, 44(9): 86–90.
    [4] 孔德健, 史其宁, 白佳琦, 等. 免疫克隆算法在500 kV输电线路故障识别中的应用. 电气自动化, 2019, 41(5): 38–40, 102.
    [5] 陈强, 傅煜, 蔡琦盼. 基于克隆选择差分进化算法的永磁同步电机参数辨识. 传感器与微系统, 2022, 41(1): 135–137, 141.
    [6] 舒万能, 丁立新. 克隆选择算法的优化和品质因数. 软件学报, 2016, 27(11): 2763–2776.
    [7] Zhou BH, Wu Q. An improved immune clonal selection algorithm for bi-objective robotic assemble line balancing problems considering time and space constraints. Engineering Computations, 2019, 36(6): 1868–1892.
    [8] Liu JQ, Zhang ZQ, Gong JH, et al. A novel hybrid clonal selection algorithm for the corridor allocation problem with irregular material handling positions. Computers & Industrial Engineering, 2022, 168: 108118.
    [9] 王丽丽, 申燚, 徐玉松, 等. 融合云模型和反向学习的克隆选择算法. 计算机工程与应用, 2021, 57(17): 68–74.
    [10] 戴迎春, 徐子瑞, 蔡明明, 等. 差分克隆选择算法在多机器人任务分配中的应用. 江苏海洋大学学报(自然科学版), 2023, 32(1): 18–26.
    [11] Tanyildizi E, Demir G. Golden sine algorithm: A novel math-inspired algorithm. Advances in Electrical and Computer Engineering, 2017, 17(2): 71–78.
    [12] 李爱莲, 全凌翔, 崔桂梅, 等. 融合正余弦和柯西变异的麻雀搜索算法. 计算机工程与应用, 2022, 58(3): 91–99.
    [13] Yang C, Chen BQ, Jia L, et al. Improved clonal selection algorithm based on biological forgetting mechanism. Complexity, 2020, 2020: 2807056.
    [14] 石建平, 代天军, 周章渝, 等. 混合变异克隆选择算法及其在机械臂逆运动学问题中的应用. 计算机集成制造系统, 2023, 29(5): 1539–1549.
    [15] Gálvez A, Iglesias A, Avila A, et al. Elitist clonal selection algorithm for optimal choice of free knots in B-spline data fitting. Applied Soft Computing, 2015, 26: 90–106.
    [16] Mirjalili S, Lewis A. The whale optimization algorithm. Advances in Engineering Software, 2016, 95: 51–67.
    [17] Li SM, Chen HL, Wang MJ, et al. Slime mould algorithm: A new method for stochastic optimization. Future Generation Computer Systems, 2020, 111: 300–323.
    [18] Mirjalili S. SCA: A sine cosine algorithm for solving optimization problems. Knowledge-based Systems, 2016, 96: 120–133.
    相似文献
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

彭旭,杨超,张文豪,王道维,蒋碧波.基于定向变异策略的改进克隆选择算法.计算机系统应用,2024,33(3):226-232

复制
分享
文章指标
  • 点击次数:469
  • 下载次数: 1447
  • HTML阅读次数: 768
  • 引用次数: 0
历史
  • 收稿日期:2023-07-02
  • 最后修改日期:2023-08-08
  • 在线发布日期: 2024-01-18
文章二维码
您是第11200890位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号