免疫部分复习补充内容.ppt

本文观看结束！！！ 算法步骤： (1)初始化：初温T(充分大)，初始解S，迭代次数L (2) 对k=1……L做第(3)至第6步 (3) 产生新解 (4) 计算增量 (5) 若 则接受 作为新的当前解； 否则以概率接受其作为新的当前解 (6) 满足终止条件则输出当前解作为最优解，结束程序 (7) T逐渐减少，且T趋于0，转第2步 应用 组合优化(TSP) 最大截问题(Max Cut Problem) 0-1背包问题(Zero One Knapsack Problem) 图着色问题(Graph Colouring Problem) 调度问题(Scheduling Problem) 总结 大多数演化计算技术都是用同样的过程 种群随机初始化 对种群内的每一个个体计算适应值，适应值与最优解的距离直接有关 种群根据适应值进行复制 如果终止条件满足的话，就停止，否则转步骤2 关键问题 个体编码（Encoding） 适应度函数（Fitness） 适应度：度量某个物种对于生存环境的适应程度 个体 问题 二进制编码 浮点数编码 格雷码、DNA编码 谢谢！ 谢 谢 欣 赏！ 单点交叉： 多点交叉： 变异算子(Mutation Operator) 子代基因按小概率扰动产生的变化 按个体编码方式，分为 实值变异 二进制变异 随机变异、非均匀变异 随机变异、非均匀变异 单点变异： 多点变异： 应用情况 函数优化 组合优化 生产调度问题 自动控制 机器人智能控制 人工生命 机器学习 免疫算法（Immune Algorithm） Inspired: 生物自然科学中生物体的免疫功能 免疫的基本思想 对抗原反应有明显的专一性，是特异性免疫反应的主要细胞 具有摄取抗原、处理抗原并将处理后的抗原以某种方式提供给前一类细胞作用，在参与非特异性免疫反应的同时，也能积极的参与特异性免疫反应 免疫概念的提出是受生物自然科学的启发。在生命科学中，免疫功能主要由参与免疫反应的细胞完成的。 免疫算子（Immune Operator） 引入了一个新的算子——免疫算子 非特异性免疫 特异性免疫 免疫算子 目标免疫 （Target Immunity） 全免疫 （Full Immunity） 免疫算子 全免疫指群体中每个个体变异操作后，对每一环节都进行一次免疫操作，它主要用于个体进化的初始阶段 目标免疫指个体在进行变异操作后，经过一定判断，个体仅在作用点处发生免疫反应，其作用将伴随群体进化的全部过程 对所求解的问题进行具体分析，从中提取出最基本的特征信息，即疫苗(vaccine) 免疫算法流程图 按照先验知识修改个体某些基因位上的基因，使个体以较大概率具有更高的适应度。设有种群c，对c接种疫苗是指在c中按比例α（0＜α≤1）随机抽取 nα=αn个个体进行操作 免疫算法流程图 对接种了疫苗的个体进行检测，若其适应度不如父代，则用父代中的对应个体取代该个体； 否则，以概率 选择个体xi进入新的父代种群。 其中，f（xi）为xi的适应度 {Tk} 为趋于0的温度序列且初温T0应尽可能的大，它与各状态目标值的方差有关，温度更新函数为(g为当前代数): 免疫算法流程图 免疫算法流程图 应用情况 具备免疫特征和功能的人工生命系统——人工免疫系统 基于免疫网络理论设计自治式多Agent系统 免疫性自适应系统 免疫型安全系统或抗干扰系统 面向医学应用的数字免疫监控系统 蚁群算法（Ant Colony Optimization） 1992年，意大利 Marco Dorigo Inspired: 自然界中的蚂蚁可以找到从巢穴到食物 源的最短回路 自然界中的蚂蚁 可以相互交流信息——信息素（pheromone） 倾向于选择留有信息素的道路 道路上留下的信息素越多，被选中概率越大 用蚁群算法求最短路程 一群蚂蚁随机从出发点出发，遇到食物，衔住食物，沿原路返回 蚂蚁在往返途中，在路上留下外激素标志。 外激素将随时间逐渐蒸发（一般可用负指数函数来描述，即乘上因子exp(-a*t)） 由蚁穴出发的蚂蚁,其选择路径的概率与各路径上的外激素浓度成正比 蚁群算法（Ant Colony Optimization） 应用 重建路由通讯 最短路由选择 求解TSP问题 旅行商问题：求周游所有指定的城市，最后回到出发 点的最短路径 合肥工业大学 计算机与信息学院 图像信息处理研究室 Tel:2901393 Email:images@ /org