克隆免疫算法(ICPSO)

一篇改进的PSO论文《Coevolutionary Particle Swarm Optimization Using AIS and Its Application in Multi-Parameter Estimation of PMSM》，主要介绍克隆免疫算法（ICPSO）。

（一）改进的PSO

缺点：早熟；陷入局部最优；后期失去多样性。

（二）精英克隆算法
1.将种群按粒子数等分成I个子种群（P1,P2…PI），评价粒子的适应度值，将每个子种群的有最优解三个的粒子的位置存在P0中，P0大小为3*I，称作精英种群，用于替换最差的粒子。
2.对P0进行超突变。（每个粒子随机选择一个维度）

（三）混合免疫网络

对中间层个体进行免疫升级，优秀层根据标准PSO更新，差层的个体再次重新生成。

其中，i≠k,k是在优秀层随机选择的第k个体，目的是向优秀个体学习。cauchy是标准分布，使得粒子可以在更宽的范围内搜索，更快的跳出局部最优。

（四）个体最佳位置的小波学习

其中，gbestPi(d)是Pi的适应度值，Pi的选择如下图所示，类似于DE算法中的交叉。Pbestid(j)是第j个子种群的第i粒子的最佳位置。amin和amax为的边界，一般设a∈[10,1000]。

（五）总结
虽然论文内部逻辑有点混乱，但是有不少改进的策略可以使用。从实验测试结果来看，解决单峰和高维度问题有较高的准确度。虽然收敛相对比较快，但随着子种群数目的增加耗时会大幅度上升。