约束动态免疫算法及对背包问题性能测试研究-计算机应用与软件.pdfVIP

第２９卷第５期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．５ ２ ２０１２年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１ 约束动态免疫算法及对背包问题性能测试研究 钱淑渠　武慧虹 （安顺学院数学与计算机科学系　贵州安顺５６１０００） 摘　要　　借鉴人工免疫系统的记忆、动态识别等功能，提出一种约束动态免疫算法（ＣＤＩＯＡ），并用于高维约束动态背包问题的求 解。通过随机约束选择策略选择可行及非可行抗体，非可行抗体参与群体的进化；利用抗体修正策略确保进化群中有一定比例可行 抗体，提高算法搜索功能；设计环境识别模块判断环境变化与否，建立环境记忆池保存较优秀记忆细胞，记忆细胞参与相似（相同） 环境初始群的产生，加速算法在相似环境搜索速度。建立三种不同环境的动态背包问题作为标准测试实例，将ＣＤＩＯＡ与已有的四 种动态优化算法进行测试比较，结果表明：ＣＤＩＯＡ对各测试问题在不同环境表现出较好的收敛性能，在相似环境能快速跟踪最 优值。 关键词　　动态环境　约束优化　动态背包问题　免疫算法　环境识别 中图分类号　ＴＰ３０６．１９　　　　文献标识码　Ａ ＯＮＣＯＮＳＴＲＡＩＮＥＤＤＹＮＡＭＩＣＩＭＭＵＮＥＡＬＧＯＲＩＴＨＭＡＮＤＰＥＲＦＯＲＭＡＮＣＥ ＴＥＳＴＩＮＧＯＦＫＮＡＰＳＡＣＫＰＲＯＢＬＥＭＳ ＱｉａｎＳｈｕｑｕ　ＷｕＨｕｉｈｏｎｇ （ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＡｎｓｈｕｎＣｏｌｌｅｇｅ，Ａｎｓｈｕｎ５６１０００，Ｇｕｉｚｈｏｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｃｏｎｓｔｒａｉｎｅｄｄｙｎａｍｉｃｉｍｍｕｎｅａｌｇｏｒｉｔｈｍ（ＣＤＩＯＡ）ｉｓｐｒｏｐｏｓｅｄｉｎｒｅｆｅｒｅｎｃｅｏｆａｄａｐｔｉｖｅｍｅｍｏｒｙａｎｄｄｙｎａｍｉｃｒｅｃｏｇｎｉｔｉｏｎ ｆｕｎｃｔｉｏｎｓｏｆａｒｔｉｆｉｃｉａｌｉｍｍｕｎｅｓｙｓｔｅｍｓ，ａｎｄｉｓｕｓｅｄｔｏｓｏｌｖｅａｃｌａｓｓｏｆｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄｙｎａｍｉｃＫｎａｐｓａｃｋｐｒｏｂｌｅｍｓｗｉｔｈｃｏｎｓｔｒａｉｎｔｓ．Ｔｈｅ ｓｔｏｃｈａｓｔｉｃｃｏｎｓｔｒａｉｎｔｓｅｌｅｃｔｉｏｎｓｔｒａｔｅｇｙｉｓｕｓｅｄｔｏｓｅｌｅｃｔｆｅａｓｉｂｌｅａｎｔｉｂｏｄｉｅｓａｎｄｉｎｆｅａｓｉｂｌｅａｎｔｉｂｏｄｉｅｓａｎｄｔｈｅｌａｔｔｅｒｐａｒｔｉｃｉｐａｔｅｉｎｔｏｔｈｅ ｐｏｐｕｌａｔｉｏｎｅｖｏｌｕｔｉｏｎ．Ｔｈｅａｎｔｉｂｏｄｙｍｏｄｉｆｉｃａｔｉｏｎｓｔｒａｔｅｇｙｉｓｅｍｐｌｏｙｅｄｔｏｇｕａｒａｎｔｅｅｔｈａｔｔｈｅｒｅａｒｅａｃｅｒｔａｉｎｐｒｏｐｏｒｔｉｏｎｏｆｆｅａｓｉｂｌｅａｎｔｉｂｏｄｉｅｓｉｎ ｔｈｅｅｖｏｌｖｉｎｇｐｏｐｕｌａｔｉｏｎｓｏａｓｔｏｉｍｐｒｏｖｅｓｅａｒｃｈｆｕｎｃｔｉｏｎｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ｔｈｅｅｎｖｉｒｏｎｍｅｎｔｒｅｃｏｇｎｉｔｉｏｎｍｏｄｕｌｅｉｓｄｅｓｉｇｎｅｄｔｏｊｕｄｇｅｗｈｅｔｈｅｒｏｒ ｎｏｔｔｈｅｅｎｖｉｒｏｎｍｅｎｔｓａｒｅｃｈａｎｇｅｄｏｖｅｒｔｈｅｔｉｍｅ，ｔｈｅｅｎｖｉｒｏｎｍｅｎｔｓｍｅｍｏｒｙｐｏｏｌｉｓｃｏｎｓｔｒｕｃｔｅｄａｓｗｅｌｌｔｏｒｅｓｅｒｖｅｍｅｍｏｒｙｃｅｌｌｓｗｉｔｈｅｘｃｅｌｌｅｎｔ ｐｅｒｆｏｒｍａｎｃｅ，ａｎｄｔｈｅｍｅｍｏｒｙｃｅｌｌｓｐａｒｔｉｃｉｐａｔｅｉｎｔｏｔｈｅｇｅｎｅｒａｔｉｏｎｏｆｉｎｉｔｉａｌｐｏｐｕｌａｔｉｏｎｉｎｓｉｍｉｌａｒｏｒｓａｍｅｅｎｖｉｒｏｎｍｅｎｔｓ，ｗｈｉｃｈａｃｃｅｌｅｒａｔｅｓｔｈｅ ｓｅａｒｃｈｓｐｅｅｄｏｆｔｈｅａｌｇｏｒｉｔｈｍｉｎｓｉｍｉｌａｒｅｎｖｉｒｏｎｍｅｎｔ．Ｔｈｒｅｅｔｙｐｅｓｏｆｄｙｎａｍｉｃｋｎａｐｓａｃｋｐｒｏｂｌ