禁忌人工免疫网络算法在函数优化中的全局优化性能

"禁忌免疫网络算法及其在函数优化中的应用 (2008年)，赵云丰，尹怡欣，付冬梅，王嘉" 本文详细介绍了禁忌免疫网络算法（TS-aiNet），这是一种结合了人工免疫网络算法（aiNet）和禁忌搜索算法的优化方法。在传统的aiNet基础上，TS-aiNet引入了禁忌表的概念，以避免在迭代过程中对那些亲和度不再提升的细胞进行重复探索，从而防止陷入局部最优。这一策略有助于提高算法的全局搜索性能。 禁忌表的作用在于存储那些不再改进的细胞状态，阻止它们在后续的搜索过程中被再次选中。然而，为了避免完全丢失可能的良好解决方案，TS-aiNet还引入了特赦准则，允许在一定条件下恢复被禁忌的优良状态，增加了算法跳出早熟陷阱的能力。此外，为了保持种群多样性并促进有效的全局搜索，算法对高斯变异操作进行了改进，确保了搜索过程的多样化。 论文通过模拟多模态优化问题来验证TS-aiNet的收敛性，并将其性能与经典的克隆选择算法和原始的aiNet算法进行了对比。结果显示，TS-aiNet在多模态搜索空间中表现出更优的全局收敛性、稳定性以及找到全局极值点的能力。它有效地克服了早熟现象，证明了其作为全局优化工具的有效性。 TS-aiNet算法是一种创新的混合优化策略，它整合了人工免疫系统和禁忌搜索的思想，提高了复杂优化问题的求解效率。这种方法对于解决那些具有多模态、非线性特征的函数优化问题尤其适用，为实际工程和科研领域的优化问题提供了一种有力的计算工具。通过在不同场景下的应用和对比实验，TS-aiNet展现出了强大的适应性和优化能力，为未来的算法设计提供了新的思路。