用一种免疫遗传算法求解MST、TSP成绩.pdf

摘要 遗传算法是借鉴生物的自然选择和遗传化机制而开发出的一种全局优化自 适应概率搜索算法，它更表现出比其他传统优化方法更加独特和优越的性能，隐 含并行性和全局搜索特点是遗传算法的两大显著特征，因此关于遗传算法的研究 越来越受到重视。 考虑到遗传算法中选择和交叉算子对群体多样性的影响，本文进一步明确遗 传算法存在易陷入早熟收敛和后期收敛速度慢的缺点。正是由于考虑到选择和交 叉算子对算法的多样性影响，改进选择算子和交叉算子是本文主要关注的两个问 题。 人体免疫功能的特点对于改进和提高遗传算法的能力是十分有启迪性的．本 文在选择算予改进上不仅考虑适应度概率来选择，并加入浓度概率来加以选择， 这样既确保了适应度高的个体能传到下一代，同时也保持了群体的多样性。同时 考虑算子的可行性和效率，采用了矢量距浓度概率的计算；在交叉算子设计上， 为了避免多样性由交叉而丢失，采用的交叉算子应尽量减少由交叉所得群体中相 似个体的比例；同时采用了最优保持策略，有益于群体多样性的保持。 图论是数学中有广泛实际应用的一个分支，其中典型问题包括：MST、TSP 问题。本文以图论中MST、TSP问题为例，以改进的遗传算法来求解，取得较 好的结果； 关键词：遗传算法免疫多样性交叉 Abstract Genetic an search thatis Algorithm(GA)isadaptable probability algorithm created in and Natureroleof through Genetics．Ithas toother adaptation superior conventional in and optimizationalgorithm specialized quality．Implicitparallel aretworemarkable characteristics globalsearching ofGA．The ofGAis study getting moreand moreattentive． Becausethe and crossover inGA a rolein selecting operations significant play further that has GA，this showsGA two paper convergence deficiencies：premature slow and inlater t