B细胞的克隆选择机制是免疫系统搜索抗体的重要手段,也是产生抗体多样性的重要因素,具有较强的优化能力。本文借鉴这一机制,通过构建克隆选择算子及引入一种新的小生境技术,提出了一种基于克隆选择原理的小生境克隆选择算法,并实现了该算法对几种典型多模态函数的优化仿真。结果表明该算法简单有效。 多目标优化问题的解不是唯一的,而是一个最优解集合。这类问题大多有较高维的搜索空间,传统的优化方法会导致很高的时间复杂性。本文将已成功地应用于单目标优化问题的克隆选择算法扩展到多目标优化问题中,设计出了一种基于Pareto的多目标克隆选择算法。该方法只对部分当前所得到的Pareto最优解进行进化操作,所求得的Pareto最优解保留在一个不断更新的外部记忆库中,并选用一种简单的多样性保存机制来保证其具有良好的分布特征。仿真结果表明,该方法能够很快地收敛到Pareto最优前沿面,同时较好地保持解的多样性和分布的均匀性。 为了检验多目标克隆选择算法的实用性,将其应用于RBF人工神经网络设计,提出了一种基于多目标克隆选择算法的RBF神经网络设计方法。该方法将RBF神经网络设计作为一个以结构的复杂性和网络的逼近能力为目标的多目标优化问题来处理,并用多目标克隆选择算法来求解该问题的Pareto最优解集。仿真结果表明了其有效性。