一种基于海明距的改进免疫算法及其在SAT中的应用.pdfVIP

Vol. 4 No.8/ Aug. 2010 一种基于海明距的改进免疫算法及其 在SAT中的应用 范朝冬 朱定局 摘 要 免疫算法可以克服遗传算法的早熟和发散现象，是一种有效的全局寻优算法。针对传统基于信息熵的免疫算法 (Entropy-based immune algorithm,EBIA)的浓度计算中含有过多的对数计算，浪费了机时，影响了免疫算法效率的缺 陷；本文提出了一种基于海明距与加速免疫进化的变异算子的改进免疫算法(Improved immune algorithm,IIA)，证明了 基于海明距与基于信息熵的浓度定义在控制中所起的作用是等效的，并将这种改进算法应用于SAT求解。实验结果表明， 改进的免疫算法在求解速度，成功率等方面都有明显的改善。 关键词 SAT问题；免疫算法；可满足性问题；海明距；变异算子 ABSTRACT Immune algorithm can overcome the divergences and precocious phenomena of the genetic algorithm, which is an effective global optimization algorithm. The concentration calculation of the traditional entropy-based immune algorithms (Entropy-based immune algorithm, EBIA) contains too much Log calculation. It wastes a lot of machine hours and affects the efficiency of the algorithm. This paper presents an Improved Immune Algorithm (Improved immune algorithm, IIA) based on the Hamming distance, and the Improved Immune Algorithm with a mutation operator which can accelerate the immune evolutionary. It proved that the concentration based on Hamming distance is equivalent with the concentration based on entropy. What’s more, we can solve SAT problems with this improved immune algorithm. The study shows that the Improved Immune Algorithm is significantly improved in the speed, success rate, etc. KEYWORDS　SAT problem;Immune algorithm;Satisfiability Problem;Hamming distance;Mutation operator 1 引言 美国密歇根大学的霍兰德教授于1975年首先提 缺点也十分明显，基于信息熵的人工免疫算法(EBIA) 出遗传算法的完整概念[1] ，遗传算法一时成为人们研 由于采用基于信息熵的浓度定义，信息熵的计算中 究的热点，人们用遗传算法解决了许多问题。然而 存在大量耗时的对数计算，影响了算法的效率。根 人们发现遗传存在很多缺陷，算法易于陷入早熟， 据文献[6]，基于欧氏距离的人工免疫算法(MAIA)的 从而使算法收敛于局部最优[2]。依据高等脊椎动物免 运行速度比基于信息熵的人工免疫算法(EBIA)快约 疫系统的运行机理发展起来的免疫算法，具有保持 68倍；根据文献[2]，加速AIA(accelerated AIA， 解群分布多样性的特性，较好地克服了遗传算法易 简称AAIA)提出了一种通过