·70· 智能系统学报 第2卷 新：外循环的主要作用在于更新记忆池，保存不同 6)经由算术交叉获N·N。个新抗体插入B 环境的统计特征值及产生相似、相同或新环境下的 中，并转入7) 初始抗体群.另外，在此图中，N为群体规模，B为 7)分层选择作用于B,获抗体群C 分层选择率0<B<1),N。为所获非控个体数， 8)计算C中抗体的亲和力，并实施免疫算子： 为第1环境下算法执行的当前时刻，T,表示当前环 ①以a为选择率在C中选取LaNJ个亲和力较 境保持不变的最大允许时间，“e=0”用于识别下 高的抗体构成群体D,其中0<a<B<1; 一环境是否为新环境：当为新环境时，e=0:当为 ②克隆算子V作用于D,获克隆群K: 相似或相同环境时，e=1. ③突变算子作用于K,获突变群E: ④组合B和E,计算抗体的亲和力，选取N个 初始抗体群 较高亲和力抗体构成群体F N 1≤T? 输出结果 9)若<T,则A-F,转3)；若否，存储当前 y 环境的统计特征，更新记忆池，置1=1+1，转10) 非控个体群 更新记忆集 10)实施环境判别规则，判断此环境是否与以前 Y N<BN 算术交叉 的某环境相似，若是，则从记忆池中此环境对应的 记忆集中抽取m(m<S)个记忆细胞，并随机产 分层选择 生N·m2个新抗体构成当前环境的初始群体A;若 计算亲和力 否，则随机生成N个抗体构成初始群体A,转2). 克隆选择、繁殖、突变 评注该算法通过分层选择确保优秀的抗体参 ,<T? 组合 与进化，加速算法的收敛速度.4)通过记忆集来保 存非控个体，使用Average linkage聚类，防止记忆 存储统计特征 史新记忆池 集无限扩大，且有助于使所获非控面的分布较均 匀；5)和6)主要是防止算法进化中参与进化的非控 Y 相似抗体群 非相似抗体样 个体过少，导致算法搜索效果差等现象，其中，6) 是为防止进化初期所获非控个体太少而设计，交叉 方式为：分别在群体B和A中随机抽取一个抗体 图1 DMIOA的流程图 经由算术交叉获新抗体，经N·N。次便获相应数目 Fig.1 Flowchart of DMIOA 新抗体，9)依据算法实际运行的时间，确定该环境是 3算法的描述与设计 否继续进行，此更能体现算法的实时性：同时，使用 存储统计特征模块来保存不同环境的统计特征，便 3.1算法描述 于分析不同环境算法的搜索效果；10)通过判别环 基于以上免疫特征、机理及算法流程图1， 境的相似性，确定初始抗体群的产生方式，目的是 DMIOA可描述为 利用免疫系统的再次应答，加快算法在相似环境的 1)随机产生规模为N的初始抗体群A,置1= 寻优速度」 1,确定选择率a,月 3.2免疫算子模块设计 2)判断t≤T?若是，置”=0及置记忆集 1)分层选择 M,=中，转入3)；否则，输出统计结果 根据群体B中抗体在群体中的受控或被控情 3)确定由A中非控个体构成的群体B,其群体 况，计算各抗体被控的个数，根据抗体的被控个数的 规模记为N. 值由小到大排序所有抗体，被控个数为0的抗体放 4)更新记忆集 在第0层，被控个数为1的放在第1层，如此，然后 ①制B中所有抗体进入M:,并清除M,中受 由低层向高层依次选择round(v)个抗体，便获抗 控个体和相同的个体 体群C,在此，round(x)是不超过x的最大整数 ②若M,的规模大于给定的值S。,则利用Av 2)亲和力 erage linkage法聚类 设A为给定环境t的抗体群，则抗体x∈A的 5)若N:<N,则转6)；若否，转7) 亲和力设计为 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.ne新; 外循环的主要作用在于更新记忆池 ,保存不同 环境的统计特征值及产生相似、相同或新环境下的 初始抗体群. 另外 , 在此图中 , N 为群体规模 ,β为 分层选择率(0 <β< 1) , Ne 为所获非控个体数 , vt 为第 t 环境下算法执行的当前时刻 , Tt 表示当前环 境保持不变的最大允许时间 ,“e = 0 ?”用于识别下 一环境是否为新环境; 当为新环境时 , e = 0 ; 当为 相似或相同环境时 , e = 1. 图 1 DMIOA 的流程图 Fig. 1 Flowchart of DMIOA 3 算法的描述与设计 3. 1 算法描述 基于以上免疫特征、机理及算法流程图 1 , DMIOA 可描述为 1) 随机产生规模为 N 的初始抗体群 A ,置 t = 1 , 确定选择率α,β. 2) 判断 t ≤T ? 若是 , 置 vt = 0 及置记忆集 Mt = <,转入 3) ; 否则 , 输出统计结果. 3) 确定由 A 中非控个体构成的群体 B , 其群体 规模记为 Ne . 4) 更新记忆集. ①复制 B 中所有抗体进入 M t , 并清除 Mt 中受 控个体和相同的个体. ②若 Mt 的规模大于给定的值 S e , 则利用 Av2 erage linkage 法聚类[11 ] . 5) 若 Ne <βN , 则转 6) ; 若否 , 转 7) . 6) 经由算术交叉获 N - Ne 个新抗体插入 B 中 , 并转入 7) . 7) 分层选择作用于 B ,获抗体群 C. 8) 计算 C中抗体的亲和力 , 并实施免疫算子 : ①以α为选择率在 C 中选取 αN 个亲和力较 高的抗体构成群体 D , 其中 0 <α<β< 1 ; ②克隆算子[11 ]作用于 D ,获克隆群 K; ③突变算子作用于 K,获突变群 E; ④组合 B 和 E , 计算抗体的亲和力 , 选取 N 个 较高亲和力抗体构成群体 F. 9) 若 vt < Tt , 则 A ←F, 转 3) ; 若否 , 存储当前 环境的统计特征 ,更新记忆池 , 置 t = t + 1 , 转 10) . 10) 实施环境判别规则 ,判断此环境是否与以前 的某环境相似 , 若是 , 则从记忆池中此环境对应的 记忆集中抽取 m2 ( m2 < Se ) 个记忆细胞 , 并随机产 生 N - m2 个新抗体构成当前环境的初始群体 A ;若 否 ,则随机生成 N 个抗体构成初始群体 A , 转 2) . 评注 该算法通过分层选择确保优秀的抗体参 与进化 , 加速算法的收敛速度. 4) 通过记忆集来保 存非控个体 , 使用 Average linkage 聚类 , 防止记忆 集无限扩大 , 且有助于使所获非控面的分布较均 匀; 5) 和 6) 主要是防止算法进化中参与进化的非控 个体过少 , 导致算法搜索效果差等现象 , 其中 , 6) 是为防止进化初期所获非控个体太少而设计 ,交叉 方式为 : 分别在群体 B 和 A 中随机抽取一个抗体 经由算术交叉获新抗体 ,经 N - Ne 次便获相应数目 新抗体 ,9) 依据算法实际运行的时间 ,确定该环境是 否继续进行 , 此更能体现算法的实时性;同时 ,使用 存储统计特征模块来保存不同环境的统计特征 , 便 于分析不同环境算法的搜索效果; 10) 通过判别环 境的相似性 ,确定初始抗体群的产生方式 , 目的是 利用免疫系统的再次应答 , 加快算法在相似环境的 寻优速度. 3. 2 免疫算子模块设计 1) 分层选择[4 ] 根据群体 B 中抗体在群体中的受控或被控情 况 ,计算各抗体被控的个数 ,根据抗体的被控个数的 值由小到大排序所有抗体 ,被控个数为 0 的抗体放 在第 0 层 ,被控个数为 1 的放在第 1 层 ,如此 ,然后 由低层向高层依次选择 round (βN) 个抗体 ,便获抗 体群 C,在此 ,round ( x) 是不超过 x 的最大整数. 2) 亲和力 设 A 为给定环境 t 的抗体群 , 则抗体 x ∈A 的 亲和力设计为 · 07 · 智 能 系 统 学 报 第 2 卷