引用本文:李中华,张雨浓,谭洪舟,陈卓怡.一类具有精英学习能力的增强型人工免疫网络优化算法[J].控制理论与应用,2009,26(3):283~290.[点击复制]
LI Zhong-hua,ZHANG Yu-nong,TAN Hong-Zhou,CHEN Zhuo-yi.An enhanced artificial immune network with elitist-learning capability for optimization problems[J].Control Theory and Technology,2009,26(3):283~290.[点击复制]
一类具有精英学习能力的增强型人工免疫网络优化算法
An enhanced artificial immune network with elitist-learning capability for optimization problems
摘要点击 1334  全文点击 1229  投稿时间：2008-03-12  修订日期：2009-01-19
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/j.issn.1000-8152.2009.3.011
  2009,26(3):283-290
中文关键词  人工免疫系统  精英学习  亲和力学习  微粒群优化  PID控制
英文关键词  artificial immune network  elitist-learning  affinity-learning  particle swarm optimization  PID controller
基金项目  教育部高等学校博士学科点科研基金资助项目(200805581047); 广东省自然科学基金博士启动基金资助项目(8451027501001203/2008–259).
作者单位E-mail
李中华 中山大学 信息科学与技术学院, 广东 广州 510275 lizhongh@mail.sysu.edu.cn 
张雨浓 中山大学 信息科学与技术学院, 广东 广州 510275 zhynong@mail.sysu.edu.cn 
谭洪舟 中山大学 信息科学与技术学院, 广东 广州 510275 issthz@mail.sysu.edu.cn 
陈卓怡 中山大学 信息科学与技术学院, 广东 广州 510275 chenzycat@yahoo.com.cn 
中文摘要
      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
英文摘要
      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.