基于竞争-合作的分层协同进化免疫算法求解sp问题.docxVIP

基于竞争-合作的分层协同进化免疫算法求解sp问题 1 基于竞争-合作的分层协同进化免疫算法 人工免疫系统是利用生物信息系统的特点，并结合工程应用而描述的新兴智能信息处理系统。受免疫克隆选择理论的启发，dec崔等人提出了相对简单的克隆选择算法（csa），该算法成功地解决了数值优化和tsp问题。在文献中，提出了一种关于如何解决psp问题的自适应免疫算法。这些算法在解决tsp问题方面发挥了一定的作用，但上述人工减少算法采用基于自身亲和度的进化模式，而不考虑进化环境和个体间复杂关系对个体发展的影响。因此，在应用中，它表现出易早期收敛的缺点，因此很难达到预期的效果。合作发展算法是一种新的生物模型进化算法。最初的研究始于几个人的工作。基于合作发展的理念，建立了合作发展的竞争合作管理模式，描述了个体、环境和环境之间的合作行为。基于该模型的改进的克隆算法可以分离出只使用个人适应性来控制进化的生物进化框架。然而，随着进化过程的平衡，纯竞争合作模型容易分化和退化。 遗传算法(Genetic Algorithm,GA)是模拟自然界的物种进化而形成的一种并行搜索优化智能启发式算法,具有鲁棒性强、便于并行处理等特点,广泛应用于解决搜索和优化问题,但基本遗传算法也存在着容易出现早熟收敛等缺陷.借鉴协同合作思想通过个体迁移等信息交流的手段将遗传算法予以改进,提高解决TSP问题的效率. 为进一步提高人工免疫算法