人工免疫算法優(yōu)化方法研究與應(yīng)用.pdf

1、隨著生命科學(xué)的快速發(fā)展，吸引了各鄰域的研究者越來越多的關(guān)注。于是，各種仿生計(jì)算隨之出現(xiàn)。傳統(tǒng)的仿生計(jì)算方法，如遺傳算法、進(jìn)化規(guī)劃等逐漸暴露出諸如易早熟、收斂慢等本質(zhì)缺陷。近年來，生物免疫學(xué)的研究發(fā)現(xiàn)免疫系統(tǒng)具有強(qiáng)大的搜索能力?；谙嚓P(guān)原理的免疫算法則具有搜索能力強(qiáng)、抗早熟能力強(qiáng)、收斂速度快的特點(diǎn)。 免疫算法究其本質(zhì)也是一種進(jìn)化算法，可用于各種優(yōu)化計(jì)算。因此那些基于傳統(tǒng)進(jìn)化算法的應(yīng)用，也完全可考慮使用免疫算法。目前免疫算法已經(jīng)在一

2、些領(lǐng)域得到成功應(yīng)用。但是現(xiàn)有算法本身仍有較大改良提升空間，其應(yīng)用研究則有待推廣到更多的新問題、新領(lǐng)域中去。為此，本文主要研究免疫算法在兩個傳統(tǒng)優(yōu)化問題領(lǐng)域中的改進(jìn)和在圖像基元提取問題中的應(yīng)用。 首先，本文提出了一種基于群體多樣性保持和自適應(yīng)混合變異算子相結(jié)合的改進(jìn)免疫算法用于函數(shù)優(yōu)化問題的求解。通過數(shù)學(xué)建模后，可以將許多問題轉(zhuǎn)化成對目標(biāo)函數(shù)的優(yōu)化求解。因此，函數(shù)優(yōu)化問題極具研究價值。然而，很多函數(shù)優(yōu)化問題十分復(fù)雜，解空間巨大，難

3、以求解。本文算法首先使用實(shí)數(shù)編碼來代替以往的二進(jìn)制編碼；其次，將柯西變異與高斯變異結(jié)合起來構(gòu)造變異算子；最后在算法運(yùn)行過程中定期度量群體多樣性，用以調(diào)整自適應(yīng)變異算子的變異步長。 分別使用遺傳算法和該算法對幾個經(jīng)典函數(shù)的求解測試表明，該算法具有良好的多樣性保持能力和更好的全局優(yōu)化性能。 接著，針對旅行商問題在現(xiàn)實(shí)問題中應(yīng)用廣泛的特點(diǎn)以及抗體的蛋白質(zhì)多肽鏈的結(jié)構(gòu)特性，本文設(shè)計(jì)了一種求解旅行商問題的改進(jìn)免疫算法。該算法借鑒蛋

4、白質(zhì)多肽鏈的結(jié)構(gòu)特征對抗體進(jìn)行編碼，根據(jù)旅行商路徑的特點(diǎn)改良了親和力計(jì)算方法，提出了一種新的抗體間相似性判斷方法用以改進(jìn)抗體濃度的計(jì)算，并通過優(yōu)勢肽植入等方法來提高新抗體的親和力。使用遺傳算法和該算法對20 個城市的旅行商問題的對比實(shí)驗(yàn)顯示，該算法全局優(yōu)化能力強(qiáng)，收斂速度快。 在對函數(shù)優(yōu)化和旅行商問題兩個經(jīng)典應(yīng)用領(lǐng)域進(jìn)行探討后，本文嘗試將免疫算法引入圖像基元問題?；崛∈菆D像識別技術(shù)的一個重要內(nèi)容，已有的提取方法大多是基于隨機(jī)

5、霍夫變換或遺傳算法的。本文將圖像基元提取看作是一個優(yōu)化問題，并以橢圓基元提取為例對提取方法做了較詳細(xì)的介紹。使用隨機(jī)霍夫變換、遺傳算法及免疫算法從圖像中提取橢圓基元的實(shí)驗(yàn)結(jié)果說明免疫算法提取基元速度快、成功率高、抗干擾能力強(qiáng)。 最后，通過對免疫算法在上述三個優(yōu)化問題中的研究，本文總結(jié)了有關(guān)免疫算法的一些實(shí)踐經(jīng)驗(yàn)和觀點(diǎn)結(jié)論。并對免疫算法未來的發(fā)展方向提出了一些設(shè)想。 總而言之，本文在免疫算法模型設(shè)計(jì)和改進(jìn)上做了大量的工作，