一种基于遗传算法的进化免疫网络聚类算法参数优化

摘要

基于免疫网络的聚类算法有收敛速度快,不依赖初始原型的选择等优点,但算法中参数过多且传统的参数设置通常是依靠经验和多次实验确定的,工作量大且难以得到理想的参数组合,影响了算法的使用性能。本文提出一种自适应混沌遗传算法对该算法的参数进行优化,该算法在遗传进化的过程中根据群体多样性测度引入混沌变异算子,使算法能有效维持种群的多样性,防止和克服进化过程中的“早熟”现象,在提高解的精度和加快收敛速度方面都有显著改善,从而为解决参数优化问题提供了一种行之有效的方法。实验结果也表明,该遗传算法对免疫网络的聚类算法参数起到了优化的作用。