基于免疫優化的單目標多模態期望值規劃

楊 凱， 張著洪，2

（1.貴州大學計算機科學與技術學院，貴州貴陽550025；2.貴州大學電子信息學院，貴州貴陽550025）

基于免疫優化的單目標多模態期望值規劃

楊 凱1， 張著洪1，2

（1.貴州大學計算機科學與技術學院，貴州貴陽550025；2.貴州大學電子信息學院，貴州貴陽550025）

為了求解未知隨機變量分布下單目標多模態期望值規劃，通過引入檢測候選解是否為局部最優解的隨機函數，將該期望值規劃問題轉化為多目標期望值規劃問題，并進一步探尋問題的轉化關系，獲得在一定條件下有效解是最優解的結論；根據樣本平均近似化思想，將多目標規劃轉化為非恒定樣本采樣的近似化模型，并基于克隆選擇和免疫記憶的機理，通過設計遞歸非支配分層、樣本自適應采樣和自適應繁殖與變異方案，引導進化種群往優質個體所在區域轉移，提出了求解該近似化模型的免疫優化算法.仿真結果表明：與參與比較的多目標優化算法相比，該算法搜索多個最優解方面有明顯優勢，搜索效果穩定，噪聲抑制能力強；求解低、高維標準測試問題獲得最優解的數量分別平均提高了20%和70%.

隨機規劃；多模態期望值規劃；多目標優化；免疫優化；自適應采樣

多模態期望值規劃（multi-modal expected value programming，MEVP）是一類含隨機變量和多個局部最優解的期望值規劃.如何在未知隨機變量分布下，探討高效且具有強進化能力的優化算法，尋找噪聲環境下局部、全局最優解（簡稱最優解），是智能優化研究要解決的難題［1-3］.關于……