滿春濤，張　銳，張　濤
哈爾濱理工大學自動化學院，黑龍江哈爾濱

哈爾濱工業大學電氣工程及自動化學院，黑龍江哈爾濱
哈爾濱理工大學電氣與電子工程學院，黑龍江哈爾濱

摘　　　要：在解決復雜函數優化問題時，免疫粒子群優化算法在疫苗提取操作中，通常把較佳粒子作為有效特征信息，沒有從根本上解決“趨同性” 問題，影響算法的收斂速度和收斂精度。針對該問題，提出了一種基于Ｋ�簿�值聚類的免疫粒子群優化算法（ＫＩＰＳＯ），將Ｋ�簿�值聚類算法用于免疫疫苗的提取，確定較高平均適應值的聚類中心及其較大鄰域，得到符合具有較優個體特征的疫苗集，并以自適應方式確定疫苗集進行疫苗更新，提高算法的收斂性。仿真結果表明，與免疫粒子群優化算法相比，該算法提高了收斂速度和收斂精度。

關　鍵　詞：Ｋ�簿�值；疫苗提取；免疫粒子群優化算法；自適應

１　引　言
粒子群算法具有“趨同性”，該性質會使所有的粒子被迄今為止找到的較好粒子吸引，從而損失群體的多樣性，造成算法早熟收斂［１�玻玻�。有些學者把免疫信息處理機制引入到粒子群算法中［３�玻矗�，給出了免疫粒子群算法，并在一定程度上改善了粒子群算法擺脫局部極值的能力。但這類免疫粒子群算法在提取疫苗時通常以粒子群算法進化過程中較佳粒子的特征作為有效信息［５�玻叮�，仍然會使大多數粒子以很大的概率趨向當前較好的粒子，沒有從根本上解決“趨同性” 問題。免疫粒子群算法與聚類算法相結合［７�玻福莸囊灿幸�，它們大多是根據聚類算法構造適應值函數，應用免疫粒子群算法優化，解決聚類分析問題。本文將Ｋ�簿�值聚類算法用于疫苗的提取，對于免疫選擇操作考慮了群體中個體間濃度和個體適應值對選擇概率的影響，改善了群體多樣性，從而解決粒子群算法的“趨同性”問題。

登錄網站后可下載文件