作　　者： ; ; ; ;

机构地区： 中山大学信息科学与技术学院

出　　处： 《控制理论与应用》 2009年第3期283-290,共8页

摘　　要： 提出了一种用于求解优化问题的具有精英学习能力的增强型人工免疫网络(Enhanced aiNet-EL)算法.该算法集成了亲和力学习和精英学习,改进了免疫进化的克隆、变异和抑制算子.通过对两个经典函数的优化实验,结果表明本文提出的Enhanced aiNet-EL算法在最优解质量和收敛速度上都要优于传统aiNet和EaiNet算法.作为应用实例,工业PID控制器被用于测试算法的优化性能.实验所得的阶跃响应表明,使用Enhanced aiNet-EL得到的系统性能要优于使用其他4种方法得到的系统性能. This paper proposes an new enhanced artificial immune network with elitist-learning （Enhanced aiNet-EL） for optimization problems. The proposed new algorithm integrates affinity-learning with elitist-learning and its three immune operators, i.e., cloning, mutation and suppressor. The simulation results on two classical benchmarks indicate that the proposed enhanced aiNet-EL optimization outperforms the traditional aiNet optimization and EaiNet optimization in both the final solution and convergence speed. In applying the proposed algorithm to an industrial PID control system, the step response shows a performance better than those under other four approaches.

关 键 词： 人工免疫系统 精英学习 亲和力学习 微粒群优化 控制

领　　域： [自动化与计算机技术] [自动化与计算机技术]