人工免疫系统是借鉴生物免疫系统原理、机制发展起来的智能系统,人工免疫算法是基于人工免疫系统的新型智能优化算法,而免疫克隆选择算法则是最主要的人工免疫算法。由于在克隆选择算法中,仅以变异操作进行局部搜索,所以,变异的方法对克隆选择算法的性能有着极大的影响。变异的设置策略及克隆选择算法与其他群智能优化算法的结合是克隆选择算法的重要研究内容。本文在前人研究工作的基础上,对克隆选择算法中变异操作的自适应设置及免疫多目标进化算法中多进化策略的自适应选择进行了一些研究,主要内容如下:1.简要介绍了进化算法、人工免疫算法的研究历程、研究近况;介绍了进化算法、人工免疫算法的基本原理、算法流程、参数设置及收敛性分析。2.为了兼顾算法的全局探索能力和局部开发能力,将t变异引入人工免疫克隆选择算法,并给出了根据进化代数确定t分布自由度n的方法。在此基础上,提出了一种基于t变异的免疫克隆选择算法。用标准测试函数对新算法进行了性能测试,并与基于高斯变异和柯西变异的免疫克隆选择算法进行了比较。数值实验结果表明,新算法可以实现高斯变异和柯西变异之间的平滑过渡,能够获得优于基于高斯变异和柯西变异的算法的整体优化效果。3.在免疫多目标进化算法中采用克隆选择的优点是可以提高收敛速度,缺陷是会在一定程度上降低种群的多样性。本文提出了一种基于目标函数变化率的多进化策略自适应免疫多目标进化算法,其基本思想是:以采用克隆选择的免疫多目标进化算法为基础,根据目标函数的变化率,在不同的进化阶段自适应地选择两种不同的差分进化策略,在保证算法收敛速度的同时兼顾种群的多样性,避免算法陷入局部最优。选用DTLZ测试函数对新算法进行了性能测试,并与其它算法进行了比较,结果验证了新算法的收敛性和有效性。4.大气质量评价是环境科学中一个比较重要而又较为复杂的问题。目前的研究显示,智能优化算法可以较好地解决此类问题。本文尝试用基于t变异的免疫克隆选择算法,对大气质量评价问题进行了数值仿真,并与其他评价方法进行了比较,结果表明:基于t变异的免疫克隆选择算法可有效地解决大气质量评价问题,具有一定的应用价值。图[20]表[5]参[60]