【正文】 請求的次數(shù)，計算最大、最小和平均時間， 并輸出。然后跳到步驟2繼續(xù)，直到檢測完所有請求；步驟6 輸出檢測結(jié)果。其中根據(jù)信息素總數(shù)對信息素排序的主要代碼：if(infor[n][6]infor[m][6]) { for (t=0。t=8。t++) { s[t]=infor[n][t]。 infor[n][t]=infor[m][t]。 infor[m][t]=s[t]。 } } 選出信息素較高的500個檢測器的主要代碼：for(d=0。d=500。d++) {c=infor[d][7]。 for(t=0。t=48。t++) { h[d][t]=antibody[c][t]。 } } 江蘇大學(xué) 2022 屆本科畢業(yè)論文22 蟻群算法流程圖 Y N N Y 圖 蟻群算法流程圖 隨機(jī)檢測設(shè)計 從人工免疫算法生成的檢測器中隨機(jī)挑選500個檢測器來檢測請求。同樣在檢測之后，同時更新檢測器的信息素。 信息素計算 選出信息素較高的前 500 個檢測器 檢測請求 統(tǒng)計請求數(shù)請求數(shù)是否達(dá)到 30所有請求是否都已檢測輸出檢測結(jié)果輸出檢測結(jié)果江蘇大學(xué) 2022 屆本科畢業(yè)論文23 Y N N Y 圖 隨機(jī)算法流程圖 隨機(jī)選擇的主要代碼：define random(x)(rand()%x)srand((int)time(0))。 for(x=0。x=500。x++) { z=random(4096)。 for(m=0。m=48。m++) {a[x][m]=antibody[z][m]。} } 隨機(jī)選出 500 個檢測器 檢測請求 統(tǒng)計請求數(shù)請求數(shù)是否達(dá)到 30所有請求是否都已檢測輸出檢測結(jié)果輸出檢測結(jié)果江蘇大學(xué) 2022 屆本科畢業(yè)論文24第四章 運(yùn)行本實驗中，字體保存在 文件中，訪問請求保存在 中，通過 C 語言中 fopen 指令讀取 和 中的內(nèi)容： fopen(, r)和fopen(, r)。gcc o test_ant 編譯命令，編譯 ，生成 test_ant程序的調(diào)試可以通過 gdb 的相關(guān)指令進(jìn)行。./test_ant 1 c r 7 執(zhí)行命令其中： 1: 使用自己的算法程序，程序中 mtype 的值 2: rcb 匹配算法 9: 數(shù)值法 c: r 固定 a: 設(shè)置檢測器數(shù) l: 設(shè)置檢測器長度 n: 插入新的自體 d: 刪除自體 r: 設(shè)置最小 r 的值 s: 設(shè)置最小 rs 的值 t: 設(shè)置最小 rt 的值 7: r 的值r 為最長有效位長度江蘇大學(xué) 2022 屆本科畢業(yè)論文25 檢測器的添加 圖 檢測器添加二維數(shù)組 antibody 用于保存遞歸生成的檢測器。在本實驗中，用二維數(shù)組 a 保存隨機(jī)選出的 500 個檢測器，用二維數(shù)組 h 保存信息素較高的 500 個檢測器，用二維數(shù)組infor 保存每個檢測器的信息素，數(shù)組 infor 的第 7 個單元保存前六個單元的信息素總和，數(shù)組 infor 的第 8 個單元保存二維數(shù)組 antibody 中檢測器的下標(biāo)。 整體檢測 圖 整體檢測整體檢測是用遞歸生成的所有檢測器對訪問請求進(jìn)行檢測，并為后面的蟻群算法計算每個檢測器的信息素。檢測器每檢測出一個非法訪問請求，其信息素的值加 1。 隨機(jī)選取檢測器檢測 隨機(jī)選取檢測器檢測是檢測每個訪問請求時，從所有檢測器中隨機(jī)選取一定數(shù)量的檢測器來檢測（本實驗是隨機(jī)選取 500 個檢測器） 。本實驗中，每檢測 30 個訪問請求，重新選擇 500 個檢測器。江蘇大學(xué) 2022 屆本科畢業(yè)論文26 蟻群算法選取檢測器檢測蟻群算法檢測：根據(jù)信息素對檢測器進(jìn)行調(diào)整，挑選出信息素較高的檢測器進(jìn)行檢測。本實驗中，每檢測 30 個訪問請求，更新一次信息素并且相應(yīng)減少檢測器的數(shù)目。 (a) (b)圖 隨機(jī)選取檢測器檢測和蟻群算法檢測（一）圖 (a)為隨機(jī)選擇 500 個檢測器來檢測 30 個訪問請求的檢測結(jié)果，圖 (b)為蟻群算法選取信息素較高前 500 個檢測器來檢測 30 個訪問請求的檢測結(jié)果。 (a) (b)圖 隨機(jī)選取檢測器檢測和蟻群算法檢測（二）圖 (a)為隨機(jī)選擇 500 個檢測器來檢測 30 個訪問請求的檢測結(jié)果，圖 (b)為蟻群算法選取信息素較高前 450 個檢測器來檢測 30 個訪問請求的檢測結(jié)果。 (a) (b)圖 隨機(jī)選取檢測器檢測和蟻群算法檢測（三）圖 (a)為隨機(jī)選擇 500 個檢測器來檢測 30 個訪問請求的檢測結(jié)果，圖 (b)為蟻群算法選取信息素較高前 400 個檢測器來檢測 30 個訪問請求的檢測結(jié)果。 (a) (b)圖 隨機(jī)選取檢測器檢測和蟻群算法檢測（四）圖 (a)為隨機(jī)選擇 500 個檢測器來檢測 30 個訪問請求的檢測結(jié)果，圖 (b)為蟻群算法選取信息素較高前 350 個檢測器來檢測 30 個訪問請求的檢測結(jié)果。江蘇大學(xué) 2022 屆本科畢業(yè)論文27 (a) (b)圖 隨機(jī)選取檢測器檢測和蟻群算法檢測（一）圖 (a)為隨機(jī)選擇 500 個檢測器來檢測 30 個訪問請求的檢測結(jié)果，圖 (b)為蟻群算法選取信息素較高前 300 個檢測器來檢測 30 個訪問請求的檢測結(jié)果。 (a) (b)圖 隨機(jī)選取檢測器檢測和蟻群算法檢測（一）圖 (a)為隨機(jī)選擇 500 個檢測器來檢測 30 個訪問請求的檢測結(jié)果，圖 (b)為蟻群算法選取信息素較高前 250 個檢測器來檢測 30 個訪問請求的檢測結(jié)果。由以上幾圖可以清晰的看出，蟻群算法檢測相對于 隨機(jī)選取檢測器檢測來說計算速度要快，計算精度要高。江蘇大學(xué) 2022 屆本科畢業(yè)論文28第五章 總結(jié) 本次實驗，通過蟻群算法計算人工免疫算法中生成檢測器的使用情況，得出最佳解。經(jīng)過實驗發(fā)現(xiàn)混合后的算法在計算速度及求解精度方面都優(yōu)于原來的單個的算法。相信將其應(yīng)用于其他問題的解決是一個不錯的方法。本次實驗是在 Linux 下進(jìn)行的，它涉及了 Linux 下 C 語言的編程設(shè)計，這就要了解 Linux 下 C 語言的編輯、編譯、運(yùn)行，要了解 Linux 中的相關(guān)指令。本次設(shè)計并沒有達(dá)到預(yù)期想要的結(jié)果，這令人十分遺憾，但也從中學(xué)到了很多知識，了解了蟻群算法和人工免疫算法的基礎(chǔ)知識。江蘇大學(xué) 2022 屆本科畢業(yè)論文29致 謝值此論文即將完成之際，我要感謝我的老師蔡濤教授，感謝蔡老師對我的精心培養(yǎng)和悉心指導(dǎo)。蔡老師工作上嚴(yán)謹(jǐn)、務(wù)實，學(xué)術(shù)上孜孜不倦，生活中平易近人，使我受益匪淺。耐心地傳道、授業(yè)、解惑，使我知識面地廣度和深度得到了很大地擴(kuò)展。使我不僅學(xué)到了一定地專業(yè)知識，還學(xué)到了為人做事的原則。江蘇大學(xué) 2022 屆本科畢業(yè)論文30參考文獻(xiàn)[1]．Dorigo M．Bonabeau E，Theraulaz G．Ant algorithm and stigmery[J]．Future Generation Computer Systems，2OOO；16(8)：851871[2]．Tsai CF．Tsai CW ．A new approach for solving large traveling sales—man problem using evolution ant rules[C]．In：Proc of the 20O2 Int．1 Joint Cod on Neural Networks．IJCNN 2022 Honolulu：IEEE Press，V0l 2．20o2：15401545[3]．Parpinelli RS，Lopes HS，F(xiàn)reitas AA．Data mining with an ant colony optimization algorithm[J]．IEEE Trans on Evolutionary Computation，2022；6(4)：321328[4]．丁建立，陳增強(qiáng)，袁著祉．遺傳算法與螞蟻算法的融合[J]．計算機(jī)研究與發(fā)展．2OO3；40 (9)：13511356[5]．詹士昌，徐婕，吳?。伻核惴ㄖ杏嘘P(guān)算法參數(shù)的最優(yōu)選擇[J]．科技通報，2022；19(5)：381386[6]．丁永生，任立紅．人工免疫系統(tǒng)：理論與應(yīng)用[J]．模式識別與人工智能，2O00；l3(1)：52—59[7]．李茂軍，舒宜，童調(diào)生．旅行商問題的人工免疫算法[J]．計算機(jī)科學(xué)，2022：30(30)：8O一82[8]．朱燕飛，蔡永昶，李中華等．人工免疫算法在過程數(shù)據(jù)分析中的應(yīng)用[J]．計算機(jī)工程與應(yīng)用。2022；40 (6)：205—2o7[9]．韓健，張樂，蔡瑞英．基于人工免疫算法的入侵檢測系統(tǒng)[J]．南京工業(yè)大學(xué)學(xué)報(自然科學(xué)版)，2022；26(1)：4851[10]．鄭日榮，毛宗源．一種改進(jìn)的人工免疫算法[J].計算機(jī)工程與應(yīng)用，2022；39(33)：5557[11]．王磊，肖人彬．基于免疫記憶的人工免疫算法模型及其應(yīng)用[J]．模式識別與人工智能，2022；15(4)：385391