非达尔文效应多目标免疫算法

为了强化非基因信息的传承与利用,提出一种非达尔文效应多目标免疫算法(non-Darwineffectmultiobjectiveimmunealgorithm,NDIA).首先,利用区间记忆变异矩阵来保存进化中成功变异的区间信息,以引导后续的进化操作,加强局部搜索能力.其次,算法使用Pareto排序来选择非劣解.当非劣解的数量超出预设规模时,利用拥挤距离进行排序来选择相对稀疏的抗体保留.最后,算法对最后的非劣解集进行删减时设计了均匀度增强算子,通过多次拥挤距离的排序反复删减最拥挤的抗体,从而提高非劣解集在目标空间上的均匀性.通过多目标测试函数的仿真试验,与经典的多目标进化算法相比,新算法得到的最终解集在覆盖性、收敛性和分布性均有明显的改善,并能更好地逼近理论Pareto前沿.