免疫多向二进制粒子群优化算法

：提出了一种新的BPSO 改进算法——免疫多向二进制粒子群优化算法(IMBPSO)，算法中引入了免疫算法的克隆选择算子和免疫系统的免疫记忆特性，保证了算法寻优的快速性以及群体的多样性。此外，通过修改速度更新公式，把粒子群的搜索方向从单向变为多向，从而克服了BPSO 算法中易陷入局部最优，进化后期收敛速度慢和精度不高等缺点。通过几个标准函数进行测试与评价，证明了IMBPSO 算法具有良好的寻优性能。

粒子群优化算法(Particle Swarm Optimization, PSO)是由Eberhart 博士和Kennedy 博士在1995 年提出的一种新型全局优化进化算法[1]，该算法源于对鸟类捕食行为的模拟。PSO 同遗传算法类似，是一种基于群体(population)的优化工具。系统初始化为一组随机解， 通过迭代搜寻最优值。

但不同于遗传算法， PSO没有采用复杂的交叉、变异算子和优胜劣汰的自然选择过程，而是基于信息共享机制，通过粒子的自我学习和向最佳个体学习的方法来实现对解空间的快速*基金项目：军械工程学院科学研究基金资助项目(YJJXM11010)。

331