结合免疫和拉马克机制的协同进化模型及其应用研究

协同进化算法在进化过程中考虑了子种群间的相互作用，是进化算法研究领域中一个新兴的研究分支。虽然具备很多相较于传统进化算法的优点，但其存在的算法实现复杂度高、局域搜索能力较弱以及搜索效率尚不够高等方面的不足也制约着它的进一步发展。针对以上问题，将种群按照适应度高低分为优势种群和普通种群，在两个种群之间设计协同进化操作，从而构建一种新型的实现复杂度较低的协同进化模型及算法，并借鉴免疫及拉马克学习机制，将克隆选择等免疫机理和有效的启发式局部搜索算子作用于优势种群上，以期提高算法的局域搜索能力和搜索效率，并用于复杂问题的优化及合成孔径雷达(Synthetic Aperture Radar，SAR)图像分类。免疫机理与拉马克机制的引入，将有助于提高新型协同进化算法的优化能力，将较好地推动协同进化算法及其相关应用领域的研究。

协同进化算法是进化算法领域的一个新兴的研究分支，较传统进化算法有其优势，但其存在的算法实现复杂度高、局域搜索能力较弱以及搜索效率尚不够高等方面的不足也制约着它的进一步发展。本项目旨在构建一种新型的实现复杂度较低的协同进化模型及算法，通过引入免疫及拉马克学习机制，以提高算法的局域搜索能力和搜索效率。关于基准测试函数的仿真验证了所提算法的有效性。此外，项目组进行了算法的应用研究，应用领域主要涉及通信信号检测、复杂网络社区检测、合成孔径雷达(Synthetic Aperture Radar，SAR)图像分类和SAR图像分割等，算法在这些领域的有效应用表明算法具有较好的应用价值及应用前景。相关研究成果将较好地推动协同进化算法这一研究方向的进一步发展，同时也拓展了协同进化算法的应用领域。