基于免疫算法的TSP问题求解

描述了免疫算法的一种框架结构,并给出了用此免疫算法求解ＴＳＰ问题的具体实现方法,求解结果体现了免疫算法的良好性能。     

一种基于SOPC求解TSP问题的人工免疫算法

可编程片上系统SOPC是Altera公司近年来提出的一种灵活、高效的片上系统解决方案,它将处理器、存储器、I/O口等系统所需的组件集成到FPGA芯片上。在此平台上运用人工免疫算法解决已被证明是一个组合优化难题的TSP（旅行商）问题,仿真结果表明,该方法具有优良的收敛速度和防止陷入局部最小的能力。     

求解大规模TSP问题的自适应归约免疫算法

从理论上分析了影响多级算法性能的因素,并以此为依据构造了求解TSP问题的自适应归约免疫算法.该算法借助归约集的进化使归约集规模自适应增长,归约边的预测精度不断提高,从而提高了算法在归约后找到全局最优解的概率.实验结果表明,该算法比其他算法获得了质量更高的解.     

旅行商问题的人工免疫算法

1 引言旅行商问题(TSP)是一个典型的有序组合优化问题,可以看成是许多领域内复杂工程优化问题的抽象形式。研究TSP问题的求解方法对解决复杂工程优化问题具有重要的参考价值。对于TSP问题,目前还没有完全有效的求解方法,但是,多年来人们一直在不停地探索。近年来,模拟自然界生物进化过程的求解TSP问题的方法不断见诸文献,但以基于     

基于Anytime算法的组合优化问题求解

介绍一种基于Ａｎｙｔｉｍｅ算法的组合优化问题求解框架,并报告了对ＴＳＰ问题进行求解的实验。实验结果表明,上述框架可以较好地协调２的复杂度与求解时间要求之间的冲突。     

免疫优化算法及应用

针对函数的寻优问题,设计一种免疫优化算法,运用克隆选择机制,在克隆选择算法的基础上,采用了基于抗体生存期望值的多样性保持策略,并引人了仿真退火思想,对进行超变异后的个体进行处理,保留亲和力得到改善的个体,以一定概率接受亲和力没有得到提高的个体,并产生新解替换那些未被接受的个体,加快了算法的收敛速度,提高了抗体的种群多样性.采用算法对二维函数进行优化,仿真结果表明了方法的有效性,并通过与未引入仿真退火思想的算法进行比较,表明该方法收敛速度快,稳定性好,具有更好的优化性能.     

应用于高维优化问题的免疫进化算法

针对免疫算法在伞局优化过程中多样性不足的问题,提出一种新型的免疫进化算法.随机克隆扩张和多受体随机编辑算了足该算法的主要特色,同时引入改进的超变异算了加强个体的学习能力;提出一种新的算法件能评价准则,以比较不同算法在全局优化中的表现.实验环节中,首先确定了克降扩张比:然后将免疫进化算法与快速克降算法和Opt-IMMAL...     

一种基于遗传算法求解TSP问题的优化算法

旅行商问题是组合优化的一个经典问题,也是评价算法好坏的一个标准,它要求在给定的一张图中寻找一条哈密尔顿回路,使得该回路在所有的回路中长度最短。然而,该问题是一个NP完全问题,其求解时间会随着问题规模的扩大急剧上升。因此,只能希望在允许的时间内寻求问题的一个较优的解来替代。本文借助生物学的相关理论与思想采用遗传算法对该问题进行求解,最后通过对遗传算法的进一步分析,提出了一种可行的改进算法,达到了获得较优解的目的。     

基于蚁群优化算法的TSP问题研究

通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出蚁群算法在TSP问题中的应用.针对基本蚁群算法求解速度缓慢、容易陷入局部最优等特点,提出了一种改进的蚁群算法,同时保持蚁群算法自己的收敛速度和路径的多样性.在TSP旅行商问题上的仿真验证表明它是可行性和有效性的.     

一种求解动态优化问题的免疫文化基因算法

针对传统免疫网络动态优化算法局部寻优能力弱、寻优精度低及易早熟收敛的缺点,提出一种求解动态优化问题的免疫文化基因算法。基于文化基因算法基本框架,将人工免疫网络算法作为全局搜索算法,采用禁忌搜索算法作为局部搜索算子;同时引入柯西变异加强算法的全局搜索能力,并有效防止早熟收敛。通过对经典动态优化函数测试集在相同条件下的实验表明,该免疫文化基因算法相较于其他同类算法具有较好的搜索精度和收敛速度。     

基于协同进化的免疫检测器分布优化算法

为解决免疫实值检测器的黑洞问题,分析检测器规模对检测性能的影响,提出一种基于协同进化的免疫实值检测器分布优化算法。将检测器集分成不同子集,寻找每个子集的最优个体,利用各子集问的相互作用与影响对各子集进行优化处理,取并集构成完整检测器集。实验结果表明,与否定选择算法相比,该算法不仅可以有效减少黑洞的产生,并且能以较少的检测器精确地覆盖非自体空间,从而提高检测器性能。     

基于免疫原理的网格任务调度算法

针对网格资源管理的任务调度问题,提出一种网格任务免疫调度算法。算法遵循克隆选择、亲和度成熟2个免疫原理,求解网格任务调度问题的全局最优解。讨论种群代数设置和算法参数的设置对该算法性能的影响。仿真实验结果表明,与传统的网格任务调度算法相比,该算法具有任务调度速度快、资源分配时间短、运行稳定等优点。     

基于人工免疫算法的多目标函数优化

提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Paret。最优面,并且把算法与某些混合遗传算法进行了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。     

基于构建基因库求解TSP问题的改进遗传算法

文章针对TSP问题设计了一种将基因库和遗传算法结合起来的新算法,该算法首先构建一个基因库,在单亲演化中利用基因库指导种群的进化方向,其次在此基础上采用单亲进化遗传算法中的基因重组操作,保留每次获得的最好解组成初始种群,最后采用顺序交叉算子进行群体演化。给出的实验结果显示,该算法所获得的解与最优解的相对误差都不超过2%,该算法的收敛速度和寻优能力明显优于该问题的单亲进化遗传算法。     

一种基于生物免疫机制的基因免疫检测算法

该文基于生物免疫原理中检测机制的研究提出了一种基因免疫检测算法。该算法综合了生物免疫系统的先天性免疫和适应性免疫机制,在负选择和克隆选择的基础上又加入了阳性选择和疫苗机制,并利用基因检测实现了检测的DNA优先级策略。仿真实验表明,该算法大幅度提高了检测效率,并有效缩短了计算时间。     

基于动态疫苗提取的免疫遗传算法求解TSP问题

针对免疫系统能通过注射疫苗来达到快速识别抗原的特性,对免疫遗传算法进行改进.根据抗体的优劣来从中提取不同长度的疫苗,并在此基础上提出一种基于动态疫苗提取的免疫遗传算法(IGAB),将其用于TSP问题的求解中,实验结果表明,IGAB能够抑制遗传算法在迭代过程中出现的退化现象,提高算法的收敛速度.     

基于生物免疫原理的负选择模式匹配检测算法

仿生物免疫检测算法是人工免疫系统研究的一个重要的组成部分。文章针对过去所有的仿生物免疫检测算法中将数据文件等长划分所带来的基因缺失的缺陷,提出了一种负选择模式匹配检测算法。算法融合了生物学中负选择的思想,采用模式匹配的方法,并加入疫苗算子进行辅助检测。仿真实验表明,该算法具有较高的检测效率及不占用过多的时间和空间的优点。     

遗传算法TSP问题的实现及免疫优化

本文介绍了遗传算法的基本知识，并利用遗传算法解决TSP（旅行商）问题，在此基础上，用免疫遗传算法进行优化对比。     

基于谣言传播及兴趣挖掘的搜索算法

P2P常用的搜索及传播算法占用大量带宽,阻碍了信息流通的顺畅。以占用带宽较少的谣言传播算法为基础,结合了兴趣挖掘算法,提出了导向性强而且带宽占用率低的搜索算法。并对该算法进行了软件简化建模模拟以及测试验证。