精英交叉与欧氏距离结合的快速免疫算法研究

"基于欧氏距离和精英交叉的免疫算法研究 (2005年)，作者：郑日荣、毛宗源、罗欣贤" 本文主要探讨了免疫算法（Artificial Immune Algorithm, AIA）在解决优化问题时存在的运行速度慢和收敛速度不足的问题。针对这些问题，研究者提出了一种新的策略，即结合精英交叉（King-Crossover）策略与基于欧氏距离的免疫算法，形成了称为DKBAIA（Distance-based King-Crossover Artificial Immune Algorithm）的新算法。精英交叉策略是遗传算法（Genetic Algorithm, GA）中的一个重要概念，它通过保留优秀个体（精英）并让它们与其它个体进行交叉，以促进种群的多样性并加速收敛。 在免疫算法中，抗体是解决问题的潜在解，而欧氏距离则被用来衡量抗体之间的差异。在DKBAIA中，引入了抗体相似矩阵的概念，用于评估抗体之间的相似度。通过对这个矩阵进行改进，研究人员进一步优化了DKBAIA，得到了MDKBAIA（Modified Distance-based King-Crossover Artificial Immune Algorithm）。这种改进不仅提高了算法的收敛性能，还显著提升了运行速度。 通过仿真对比，研究发现精英交叉策略显著增强了免疫算法的收敛效果，使得MDKBAIA在性能上有了显著提升。MDKBAIA的运行速度接近于遗传算法，这表明该算法在保持搜索效率的同时，也能够有效地避免早熟收敛，从而在寻找全局最优解方面表现得更为出色。 这项研究为优化问题的求解提供了一个新的视角，通过结合经典遗传算法的策略与免疫算法的机制，成功地提升了免疫算法的性能。这一工作对于理解如何利用生物进化理论来改进计算智能算法具有重要意义，同时也为未来相关领域的研究提供了有价值的参考。