混沌免疫克隆选择算法的终止条件与目标函数相关性的优化方案

目前关于混沌免疫克隆选择算法的迭代停止条件，实际应用中有三种方案：一是采用限定迭代次数；二是在连续几次(如t次)迭代中，记忆单元的最好解都无法改善时停止迭代；三是前两者的混合形式作为终止条件。

许多智能实验系统是通过限制迭代次数来实现的，这个在一定范围内可以和其他算法进行比较，但是在实际的应用中，用这种方法明显有不足，一是如果迭代次数设计太少，未必能达到最佳的聚类效果；二是如果迭代次数设计太多，就可能出现后来的迭代浪费了大量的时间和资源。相对较好的方式是当目标函数的最小值已知或者准最优解适应度的下限可以确定时，以发现满足最大值或准最优解作为混沌免疫克隆选择算法迭代停止的条件。停止准则定义为：

式中，f∗是目标函数值f的最优值，fbest是当前进化迭代的最好目标函数值。当时，取为(www.xing528.com)

但是如前所述，聚类问题是一个典型的组合优化问题，目标函数的最小值并不清楚，其本身就是搜索的对象目标函数的下限很难确定。所以，对于使用混沌免疫克隆选择算法的土地用途分区这一复杂问题，采用混合形式作为终止条件：设定迭代的最大次数，若在迭代的过程中发现前后两代抗体中的个体基本无变化时，则认为迭代已趋于稳定状态，终止算法迭代，若一直没有达到稳定，则迭代到最大次数。在聚类完成后，还可以通过分析评价生成方案，如不符合要求，可以进一步修改参数甚至重新生成知识来进一步进行实验，直至达到满意结果。