非线性组合预测模型的人工免疫算法研究

【摘要】：论文是在参与重庆市科学技术委员会软科学课题“电子商务环境下企业信息的智能统计分析研究”和重庆市对外贸易经济委员会课题“重庆市进出口信息智能分析系统研究”的组合预测方法研究工作的基础上深入探讨提出来的。 组合预测是预测学理论研究的一个重要内容,线性组合预测是组合预测中常见组合的方式,但其相对简单,不能准确表现实际预测中经常遇见的非线性预测系统的非线性性,影响了预测精度,而非线性组合预测却能较好的表现非线性预测系统的非线性性。但是传统的非线性组合预测模型一般是表现为非线性数值问题,求解方法需要目标函数具有较强的解析性,使得求解难度较大,求解结果易陷入局部最优。 人工免疫算法(Artificial Immune Algorithm,记为AIA)的研究始于上世纪80 年代后期,是根据模拟生物免疫系统的工作机理得到的一种随机搜索方法。由于生物免疫系统的复杂性使得AIA 的研究不象人工神经网络、遗传算法等其他智能方法那样得到足够的重视,因此,目前国内外的研究成果和应用相对较少。但它结合了先验知识和生物免疫系统的自适应能力两大特点,因而具有较强的和鲁棒的信息处理能力,并且在对问题进行求解时,不要求目标函数具有可导等高附加信息,在搜索过程中更能收敛到全局最优解,国际上有人认为AIA 是具有强大潜力的搜索算法。论文利用AIA 求解数值问题的优越性研究了非线性组合预测模型的求解方法,为非线性组合预测模型提供了一种新的求解途径。 同时,论文在对已有AIA 研究的基础上,系统分析比较各种AIA,进一步将记忆细胞的作用机制增加到算法设计中,充分利用生物医学上的Baldwin 效应,提出了改进的多峰值人工免疫算法。同时论文还对算法中的算子进行了修正,从而极大地提高了算法的全局搜索能力和收敛速度。通过算例分析了多峰值人工免疫算法的有效性和鲁棒性。最后,运用多峰值人工免疫算法对重庆市进出口贸易总量进行非线性组合预测模型求解,得到了较好结果,表明该算法在求解非线性组合预测问题上是一种可行的新方法。