面向TSP问题的免疫遗传算法研究.pdfVIP

第l0卷 第6期 Vol10No6 Jtil1．20l1 面向TSP问题的免疫遗传算法研究 谢 曼 (南京工业大学 电子与信息工程学院，江苏 南京 210009) 摘 要 ：TSP问题作为NP难题的典型代表，计算机算法理论研究的热点，各种针对该问题的算法层出不穷。对近期 出现的面向TSP问题的免疫遗传算法进行 了介绍与总结，在分析了算法特点之后，提 出了算法的改进方向，对 TSP 问题的研究进行 了展望 。 关键词 ：TSP问题；NP难题；免疫遗传算法 中图分类号 ：TP3O1．6 文献标识码 ：A 文章编号 ：1672—7800(2011)06—0050—02 1 TSP问题 的几类求解方法 2 免疫遗传算法原理 由于TSP是一个 NP难题 ，国内外许多研究人员尝试 免疫遗传算法模拟生物抗体浓度 自适应调节过程，将 用各种算法来求解 TSP问题 。其 中，遗传算法 以其 良好 最优化解的 目标函数对应为人侵生命体的抗原，而解 Xi 的鲁棒性 、灵活性 、通用性，以及特别适合于求解大规模组 的适应度 f(Xi)对应为免疫系统产生的抗体 ，并根据抗体 合优化问题等特点，得到了应用。但 由于算法本身还存在 的浓度 自适应的调节搜索方 向和解群 的分布 ，从而大大提 着一些缺陷 ，如易出现未成熟收敛 ，局部搜索能力差，进 高算法克服局部收敛的能力。免疫遗传算法的内容包括： 化过程 中不能很好地利用系统信息，进化后期易出现振荡 ①定义抗原 ：将需要解决的问题抽象成符合免疫系统处理 现象等，因此不能保证 以最大概率收敛到全局最优解 。 的抗原形式，抗原识别则对应为 问题的求解；②产生初始 此外 ，近年来 出现 的免疫算法借鉴生物免疫机理 ，能 抗体群体 ：将抗体的群体定义为问题 的解 ，抗体与抗原之 充分利用最优个体及系统的信息，且能有效保持种群多样 间的亲和力对应 问题解 的评估 ：亲和力越高，说 明解越好 ； 性 ，在优化过程 中，吸取了已有优化算法的有益思想，将随 ③计算亲和力 ：计算抗原与抗体之 间的亲和力 ；④进行各 机搜索和确定性的变化结合在一起 ，减小了随机因素对算 种免疫操作 ：这些免疫操作主要包括选择 、克隆变异、自体 法本身的影响，能较好地消除不成熟收敛及振荡现象。因 耐受、抗体补充等。这些免疫操作通常要考虑抗体的的亲 此在 TSP问题的求解中得到广泛应用 。 和力和多样性等指标，作为其行动的指导。其中，选择操 免疫遗传算法是基于生物免疫机制提出的一类改进 作通常是指从群体中选出一些抗体进入下一步的免疫操 的遗传算法 。生物免疫系统在免疫应答过程 中，部分抗 作或进入下一代的抗体群体 。克隆变异通常是人工免疫 体作为记忆细胞保存下来 ，当同类抗原再次侵入时，记 算法产生新抗体的主要方式 。 自体耐受则是对抗体 的存 忆细胞被激活并产生大量抗体，使再次应答 比初次应答 在合理性进行判断的过程 。抗体补充则是补充群体模式 更迅速 ，体现 了免疫系统的记忆功能。同时，抗体与抗体 的辅助手段 ；⑤评估新 的抗体群体 ：若不能满足终止条件 ， 之间也相互促进和抑制 ，以维持抗体 的多样性及免疫平 则重新计算亲和力 ，重新开始 ；若满足终止条件则当前 的 衡，体现了免