免疫遗传算法及应用研究

遗传算法是一种模拟自然界生物进化的搜索算法,由于它简单易行、鲁棒性强,尤其是不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程,从而使它的应用范围极为广泛,并且已在众多领域得到了实际应用,取得了令人瞩目的成果。但是在遗传算法的实际工程优化应用中,常常存在早熟收敛和收敛性能差等问题。 本文研究了根据生物机体免疫系统的抗原识别、保持抗体的多样性和免疫记忆的特性而提出的一种改进遗传算法——免疫遗传算法,该算法将生物系统免疫思想引入到遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了全体中的较优抗体又保证了抗体的多样性,从而避免搜索进化的过早收敛,得到全局最优解。文中通过对函数寻优的实验和同其他优化方法的寻优效果对比,证明了IGA的有效性和优越性。 论文将免疫遗传算法运用到TSP问题求解以及公交调度问题的优化,进行了寻优搜索计算。实例搜索计算表明本文提出的免疫遗传算法具有更好的搜索能力,能够很好地解决此类寻优问题,得到更理想的优化结果,这两个仿真实验表明了IGA的实际应用效果令人满意。