人工免疫算法優(yōu)化方法研究與應用.pdf

1、隨著生命科學的快速發(fā)展，吸引了各鄰域的研究者越來越多的關注。于是，各種仿生計算隨之出現。傳統(tǒng)的仿生計算方法，如遺傳算法、進化規(guī)劃等逐漸暴露出諸如易早熟、收斂慢等本質缺陷。近年來，生物免疫學的研究發(fā)現免疫系統(tǒng)具有強大的搜索能力。基于相關原理的免疫算法則具有搜索能力強、抗早熟能力強、收斂速度快的特點。 免疫算法究其本質也是一種進化算法，可用于各種優(yōu)化計算。因此那些基于傳統(tǒng)進化算法的應用，也完全可考慮使用免疫算法。目前免疫算法已經在一

2、些領域得到成功應用。但是現有算法本身仍有較大改良提升空間，其應用研究則有待推廣到更多的新問題、新領域中去。為此，本文主要研究免疫算法在兩個傳統(tǒng)優(yōu)化問題領域中的改進和在圖像基元提取問題中的應用。 首先，本文提出了一種基于群體多樣性保持和自適應混合變異算子相結合的改進免疫算法用于函數優(yōu)化問題的求解。通過數學建模后，可以將許多問題轉化成對目標函數的優(yōu)化求解。因此，函數優(yōu)化問題極具研究價值。然而，很多函數優(yōu)化問題十分復雜，解空間巨大，難

3、以求解。本文算法首先使用實數編碼來代替以往的二進制編碼；其次，將柯西變異與高斯變異結合起來構造變異算子；最后在算法運行過程中定期度量群體多樣性，用以調整自適應變異算子的變異步長。 分別使用遺傳算法和該算法對幾個經典函數的求解測試表明，該算法具有良好的多樣性保持能力和更好的全局優(yōu)化性能。 接著，針對旅行商問題在現實問題中應用廣泛的特點以及抗體的蛋白質多肽鏈的結構特性，本文設計了一種求解旅行商問題的改進免疫算法。該算法借鑒蛋

4、白質多肽鏈的結構特征對抗體進行編碼，根據旅行商路徑的特點改良了親和力計算方法，提出了一種新的抗體間相似性判斷方法用以改進抗體濃度的計算，并通過優(yōu)勢肽植入等方法來提高新抗體的親和力。使用遺傳算法和該算法對20 個城市的旅行商問題的對比實驗顯示，該算法全局優(yōu)化能力強，收斂速度快。 在對函數優(yōu)化和旅行商問題兩個經典應用領域進行探討后，本文嘗試將免疫算法引入圖像基元問題?；崛∈菆D像識別技術的一個重要內容，已有的提取方法大多是基于隨機

5、霍夫變換或遺傳算法的。本文將圖像基元提取看作是一個優(yōu)化問題，并以橢圓基元提取為例對提取方法做了較詳細的介紹。使用隨機霍夫變換、遺傳算法及免疫算法從圖像中提取橢圓基元的實驗結果說明免疫算法提取基元速度快、成功率高、抗干擾能力強。 最后，通過對免疫算法在上述三個優(yōu)化問題中的研究，本文總結了有關免疫算法的一些實踐經驗和觀點結論。并對免疫算法未來的發(fā)展方向提出了一些設想。 總而言之，本文在免疫算法模型設計和改進上做了大量的工作，