混合免疫算法及其应用研究

免疫算法(Immune Algorithm)是将生物免疫系统的概念及理论移植于传统的遗传算法而形成的一类进化算法,其构造简单,在一定条件下具有全局收敛性,在最优化问题、计算机安全等众多领域得到了广泛的应用。由于使用随机搜索技术,在保证算法全局收敛性的同时,其局部寻优的性能往往受到损害,且收敛速度也不理想。传统的优化方法充分利用了目标问题的信息,局部寻优能力较强,收敛速度较快,但又会陷入局部最优的陷阱。可以说,免疫算法提供了全局性的点搜索方法,而传统优化方法则提供了局部性的面搜索方法,两类方法各有利弊。将这两类方法有机结合起来,迭代当中先将免疫算法的变异操作作用于前一代的解,再用传统优化方法搜索该解附近的局部最优解,就可以点面结合进行搜索,使得这两种方法互为补充。这种算法称为混合免疫算法(Hybrid Immune Algorithm,HIA)。本文针对TSP问题,将标准免疫算法与改良圈算法、贪婪算法、拟贪婪算法结合,构造了一种混合免疫算法。使用Matlab实现该算法并对随机生成的数据进行验证,与单纯使用免疫算法或传统优化方法比较,可见混合免疫算法的表现令人满意。