基于抗体蚁群优化算法研究.docVIP

基于抗体的蚁群优化算法研究 第２２卷第４期重庆邮电大学学报（自然科学版） Ｖｏｌ．２２　Ｎｏ．４ ２０１０年８月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ａｕｇ．２０１０ 基于抗体的蚁群优化算法研究 收稿日期：２０１００１１２　修订日期：２０１００６０９　 基金项目：重庆市自然科学基金（ＣＳＴＣ，２００６ＢＢ２２４２） Ｆｏｕｎｄａｔｉｏｎ Ｉｔｅｍ：Ｃｈｏｎｇｑｉｎｇ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ Ｐｒｏｊｅｃｔ，ＣＳＴＣ（ＣＳＴＣ，２００６ＢＢ２２４２）． 胡　勇 （重庆交通大学应用技术学院，重庆４０００７４） 摘　要：针对蚁群优化（ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ，ＡＣＯ）容易陷入局部最优，提出一个基于抗体的新型蚁群优化算法 （ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄｏｎｉｍｍｕｎｅａｌｇｏｒｉｔｈｍ，ＡＣＯＩ）。ＡＣＯＩ是利用免疫算法中抗体的概念来改善人工蚂蚁搜 寻解空间的方式，使人工蚂蚁不仅会依随费洛蒙的指引，还会受到抗体的影响去搜寻解空间；而抗体也会随着环境 的改变，使抗体成为有效的及无效的２种情形，有效的抗体对人工蚂蚁会有影响，无效的抗体则没有影响。用旅行 销售员问题（ｔｒａｖｅｌｉｎｇｓａｌｅｓｍｅｎｐｒｏｂｌｅｍ，ＴＳＰ）验证ＡＣＯＩ的效能，并与ＡＣＯ做比较，证明了在蚁群系统中加入抗体 要比单纯的蚁群系统效率更高。 关键词：蚁群优化（ＡＣＯ）；免疫算法；推销员问题（ＴＳＰ）；群体智能；抗体 中图分类号：ＴＰ３０１．６　　　　　　　　　文献标识码：Ａ 文章编号：１６７３８２５Ｘ（２０１０）０４０５０７０５ Ｒｅｓｅａｒｃｈｏｎａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ ｂａｓｅｄｏｎａｎｔｉｂｏｄｙ ＨＵＹｏｎｇ （ＣｏｌｌｅｇｅｏｆＡｐｐｌｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＣｈｏｎｇｑｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００７４，Ｐ．Ｒ．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗｔｙｐｅｏｆａｎｔｉｂｏｄｙｂａｓｅｄａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ（ＡＣＯ），ｋｎｏｗｎａｓｔｈｅＡＣＯＩ（ＡＣＯ ｂａｓｅｄｏｎｉｍｍｕｎｅａｌｇｏｒｉｔｈｍ）．ＡＣＯＩｗａｓｔｈｅｕｓｅｏｆａｎｔｉｂｏｄｉｅｓｉｎｔｈｅｃｏｎｃｅｐｔｏｆｉｍｍｕｎｅａｌｇｏｒｉｔｈｍｔｏｉｍｐｒｏｖｅｔｈｅｗａｙｓｏｆａｒ ｔｉｆｉｃｉａｌａｎｔｓｓｅａｒｃｈｓｏｌｕｔｉｏｎｓｐａｃｅｉｎｗｈｉｃｈａｒｔｉｆｉｃｉａｌａｎｔｓｗｏｕｌｄｎｏｔｏｎｌｙｆｏｌｌｏｗｔｈｅｇｕｉｄｅｌｉｎｅｓｗｉｔｈｔｈｅｐｈｅｒｏｍｏｎｅ，ｂｕｔａｌｓｏ ｓｅａｒｃｈｔｈｅｓｏｌｕｔｉｏｎｓｐａｃｅｂｙｔｈｅｉｍｐａｃｔｏｆａｎｔｉｂｏｄｉｅｓ．Ｔｈｅａｎｔｉｂｏｄｙｗｏｕｌｄｂｅｅｆｆｅｃｔｉｖｅｏｒｉｎｅｆｆｅｃｔｉｖｅａｓｅｎｖｉｒｏｎｍｅｎｔｓ ｃｈａｎｇｅ．Ｔｈｅｅｆｆｅｃｔｉｖｅａｎｔｉｂｏｄｙｈａｄａｎｉｍｐａｃｔｏｎａｒｔｉｆｉｃｉａｌａｎｔｓ，ｗｈｉｌｅｉｎｅｆｆｅｃｔｉｖｅｎｏｔ．ＡＣＯＩｐｒｏｖｅｄｂｙｔｒａｖｅｌｉｎｇｓａｌｅｓｍａｎ ｐｒｏｂｌｅｍｄｏｉｎｇｖａｌｉｄａｔｉｏｎ，ａｎｄｃｏｍｐａｒｅｄｗｉｔｈｔｈｅＡＣＯ，ｓｈｏｗｓｔｈａｔａｄｄｉｎｇａｎｔｉｂｏｄｉｅｓｔｏａｎｔｓｇｒｏｕｐｉｓｍｏｒｅｅｆｆｅｃｉｂｅｔｈａｎａ ｓｉｍｐｌｅａｎｔｃｏｌｏｎｙｓｙｓｔｅｍ． Ｋｅｙｗｏｒｄｓ：ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ（ＡＣＯ）；ｉｍｍｕｎｅａｌｇｏｒｉｔｈｍ；ｔｒａｖｅｌｉｎｇｓａｌｅｓｍａｎｐｒｏｂｌｅｍ（ＴＳＰ）；ｓｗａｒｍｉｎｔｅｌｌｉｇｅｎｃｅ； ａｎｔｉｂｏｄｙ ０　引　言 蚁群优化（ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ，ＡＣＯ）由 Ｄｏｒｉｇｏ提出，其理论基于自然界蚂蚁外出觅食的行 为，应用于求近似解的一种人工智能启发式解 法［１２］。ＡＣＯ的基本概念是自然界的蚂蚁会离开巢 穴寻找食物，藉由它们自己本身所散发出来的特有 化学分泌物—费洛蒙来帮助蚂蚁在找寻食物时，能 够遗留下某些信息给其他的蚂蚁知道其寻找食物时 曾经所走过的路径。而自然界的蚂蚁在经过不断地 搜寻食物的过程中，往往会遗留许多的费洛蒙，随着 越来越多的蚂蚁走过相同的路径时，此路径的费洛 蒙也随之增加；相对的，其余路径的费洛蒙则会慢慢 蒸发；最后蚂蚁利用费洛蒙来找寻出离食物最近的 相关路径。而蚁群优化就是利用模拟自然界蚂蚁的 搜寻方式