人工免疫算法(更新版)
【正文】 000 . 51( a ) ( b )( c ) ( d )(a) 基于 EP的進(jìn)化過程中個體分布圖 。 end 免疫疫苗的選取方法 自適應(yīng)方法 之二 a S t a t i s t i c s a i nko p t i m a l ki? ?( | , , )1 ?H h a j mj k jo p tim a l? ? ?{ , , , }, 1 2 ?Begin: 鄰近城市序列初始化： Neighbor(i) = random(1, n) , i =1, … , n。 TSP問題的描述 TSP問題是旅行商問題的簡稱 。 定 義 ： 如果對于任意的初始分布均有 則稱算法收斂。 免疫算子 接種疫苗 之 這一操作一般分兩步完成：第一步是 免疫檢測 ， 即對接種了疫苗的個體進(jìn)行檢測 ， 若其適應(yīng)度仍不如父代 ， 則該個體將被父代中所對應(yīng)的個體所取代；第二步是 退火選擇 ， 即在目前的子代群體中以右邊所示概率 免疫算子 免疫檢測 之 P xeeif xTf xTinikik( )( )( )???10選擇個體進(jìn)入新的父代群體 。 ? 抗體 根據(jù)疫苗修正某個個體的基因所得到的新個體 。 免疫系統(tǒng)的主要特點 ? 免疫識別 ? 免疫應(yīng)答 ? 免疫耐受 ? 免疫記憶 ? 免疫調(diào)節(jié) 算法研究 生物學(xué)概念與理論 方法： 工程計算方法 進(jìn)化＋免疫 ? 傳統(tǒng)進(jìn)化算法是在一定發(fā)生概率的條件下 ，隨機(jī)地 、 沒有指導(dǎo)地迭代搜索 ， 因此它們在為群體中的個體提供了進(jìn)化機(jī)會的同時 ， 也無可避免地產(chǎn)生了退化的可能 。 ? 人工免疫網(wǎng)絡(luò)模型 AIS的研究現(xiàn)狀之一 ? 獨(dú)特型免疫網(wǎng)絡(luò)（ Jerne）； ? 互聯(lián)耦合免疫網(wǎng)絡(luò)（ Ishiguro）； ? 免疫反應(yīng)網(wǎng)絡(luò) （ Mitsumoto） ； ? 對稱網(wǎng)絡(luò) （ Hoffmann） ； ? 多值免疫網(wǎng)絡(luò) （ Tang） . ? 免疫學(xué)習(xí)算法 AIS的研究現(xiàn)狀之二 ? 反面選擇算法（ Forrest）； ? 免疫學(xué)習(xí)算法（ Huntamp。 AIS的研究歷史 ? Farmer等人在 1986年首先在工程領(lǐng)域提出 免疫 概念 ； ? Varela等人受免疫網(wǎng)絡(luò)學(xué)說的啟發(fā)，提出并進(jìn)而完善免疫網(wǎng)絡(luò)模型。 免疫系統(tǒng)的主要功能 ? 免疫防御 即機(jī)體防御病原微生物的感染； ? 免疫 （ 自身 ） 穩(wěn)定 即機(jī)體通過免疫功能經(jīng)常消除那些損傷和衰老的細(xì)胞以維持機(jī)體的生理平衡； ? 免疫監(jiān)視 即機(jī)體通過免疫功能防止或消除體內(nèi)細(xì)胞在新陳代謝過程中發(fā)生突變的和異常的細(xì)胞 。 ? 疫苗 根據(jù)進(jìn)化環(huán)境或待求問題的先驗知識 ， 所得到的對最佳個體基因的估計 。疫苗 是從先驗知識中提煉出來的 ， 它所含的信息量及其準(zhǔn)確性對算法性能的發(fā)揮起著重要的作用 。 免疫規(guī)劃 Immune ProgrammingIP 免疫規(guī)劃的收斂性 狀態(tài)轉(zhuǎn)移過程示意圖： 定 理：免疫規(guī)劃是收斂的。 免疫疫苗的選取方法 通用方法 之一 以 TSP問題為例 ， 通過具體分析可以得出相鄰兩兩城市之間的最短路徑即為求解該問題時可以利用的一種疫苗 。 執(zhí)行遺傳和免疫算子操作 。 (b) 基于 IP的進(jìn)化過程中個體分布圖 (c) EP和 IP所求得的最佳適應(yīng)度對比圖 (d) EP和 IP所求得的平均適應(yīng)度對比圖
外語相關(guān)推薦
鄂ICP備17016276號-1