免疫遺傳算法的研究

免疫遺傳算法的研究

其他問題的研究基本遺傳統(tǒng)計(jì)方法（gsa）是一種有用的隨機(jī)抽索法，用于參考生物界的自然選擇和自然遺傳機(jī)制。這位美國約翰霍拉德教授提出了此問題，主要特點(diǎn)是群體搜索策略和群體中個(gè)體之間的信息交換。在搜索中，它不依賴于梯度信息。遺傳算法在理論上已經(jīng)形成了一套較為完善的算法體系,然而在實(shí)際使用中還有許多問題有待于進(jìn)一步研究探討。遺傳算法在組合優(yōu)化及多峰函數(shù)求解問題中出現(xiàn)的早期收斂和遺傳漂移等現(xiàn)象已引起人們的關(guān)注。經(jīng)研究發(fā)現(xiàn),遺傳算法的操作效率和應(yīng)用范圍受到局限的根本原因是它的構(gòu)造模式問題,即問題空間與遺傳操作空間的相互映射問題。從仿生學(xué)的角度看,Holland提出的SGA只是模擬了保證遺傳操作的優(yōu)勝劣汰,并沒有充分完整地反映生物進(jìn)化過程,在Holland的SGA框架內(nèi),無論怎樣改良都難以收到理想的效果。為此,近年來在生物學(xué)領(lǐng)域研究發(fā)現(xiàn),生物體免疫系統(tǒng)具備基因任意重組、免疫變異、免疫選擇、免疫記憶、隔離小生境、混沌增殖、免疫元?jiǎng)討B(tài)等許多優(yōu)良免疫行為,而這些免疫行為可以很好地保持多樣性,因而能夠很好地防止“早熟”現(xiàn)象,有效地提高尋優(yōu)速度,改善尋優(yōu)質(zhì)量。因此,可以考慮模擬生物體免疫系統(tǒng)的行為規(guī)律設(shè)計(jì)出相應(yīng)的算法,與遺傳算法相結(jié)合以解決實(shí)際問題,此改進(jìn)算法為免疫遺傳算法。免疫遺傳計(jì)算方法免疫部分功能免疫遺傳算法(IGA)是基于生物免疫機(jī)制提出的一種改進(jìn)的遺傳算法,將求解問題的目標(biāo)函數(shù)對(duì)應(yīng)為入侵生命體的抗原,而問題的解對(duì)應(yīng)為免疫系統(tǒng)產(chǎn)生的抗體。IGA與SGA相比,具有如下顯著特點(diǎn):a)產(chǎn)生多樣抗體的能力。通過細(xì)胞的分裂和分化作用,免疫系統(tǒng)可產(chǎn)生大量的抗體來抵御各種抗原。這種機(jī)制可用于提高遺傳算法的全局搜索能力而不陷于局部最優(yōu)。b)自我調(diào)節(jié)機(jī)構(gòu)。免疫系統(tǒng)具有維持免疫平衡的機(jī)制,通過對(duì)抗體的抑制和促進(jìn)作用,能自我調(diào)節(jié)產(chǎn)生適當(dāng)數(shù)量的必要抗體。這對(duì)應(yīng)于遺傳算法中個(gè)體濃度的抑制和促進(jìn),利用這一功能可以提高遺傳算法的局部搜索能力。c)免疫記憶功能。產(chǎn)生抗體的部分細(xì)胞會(huì)作為記憶細(xì)胞而被保存下來,對(duì)于今后侵入的同類抗原,相應(yīng)的記憶細(xì)胞會(huì)迅速激發(fā)而產(chǎn)生大量的抗體。如果遺傳算法中能利用這種抗原記憶識(shí)別功能,則可以加快搜索速度,提高遺傳算法的總體搜索能力。抗體的入“濃度”因素免疫遺傳算法流程如圖1所示。其主要組成部分包括:a)記憶單元更新。將與抗原親和性高的抗體加入到記憶存儲(chǔ)單元中。b)抗體的抑制和促進(jìn)。在算法中適當(dāng)?shù)夭捎靡种撇呗砸员３址N群中抗體的多樣性,可以在構(gòu)造抗體的選擇概率時(shí)加入抗體濃度因素來實(shí)現(xiàn)。c)遺傳操作。算法通過綜合考慮抗體適應(yīng)度和其在種群中的濃度構(gòu)造選擇概率對(duì)其進(jìn)行選擇,對(duì)選擇出來的抗體群進(jìn)行遺傳操作(交叉、變異)產(chǎn)生新一代抗體,既確?？贵w群整體朝著適應(yīng)度高的方向進(jìn)化,又維持了種群中抗體的多樣性。d)抗原識(shí)別。輸入目標(biāo)函數(shù)和各種約束作為免疫系統(tǒng)的抗原。抗原識(shí)別以記憶單元為基礎(chǔ),針對(duì)求解問題的特征判別系統(tǒng)是否求解過此類問題。e)初始抗體的產(chǎn)生,即生成初始解?？乖R(shí)別單元中,若系統(tǒng)求解過此類問題,則從記憶細(xì)胞庫中搜尋該類問題的記憶抗體,從而生成初始抗體。不足的抗體由隨機(jī)的方法在解空間中產(chǎn)生。f)親和度計(jì)算。在生物體內(nèi),抗體與抗原都分別含有抗體和抗原決定基,它們均可以存在相互作用,故可以定義兩類親和度。免疫遺傳理論的研究現(xiàn)狀少而解的精度張禮兵等人針對(duì)標(biāo)準(zhǔn)遺傳算法搜索效率低、收斂速度慢等缺陷,在免疫遺傳算法的基礎(chǔ)上提出了基于實(shí)數(shù)編碼的免疫遺傳算法(RIGA)。研究表明,RIGA對(duì)SGA的改進(jìn)是有效可行的,顯示出穩(wěn)健的全局優(yōu)化、計(jì)算量少而解的精度高等特點(diǎn),具有較高的應(yīng)用價(jià)值。許曉棟等人將改進(jìn)的免疫遺傳算法應(yīng)用于車間作業(yè)調(diào)度中,算法采用基于工序的編碼方式、自適應(yīng)交叉和變異;為了改善交叉算子的性能,提出了一種基于工序編碼的交叉算子。采用車間作業(yè)中“最短處理時(shí)間原則”作為IGA的免疫疫苗,給出了免疫算子的設(shè)計(jì)方法;通過“MuthandThompson”基準(zhǔn)問題的仿真實(shí)驗(yàn)驗(yàn)證了IGA在JSP求解中的有效性。鄭建剛等人提出了一種基于信息熵的DNA免疫遺傳算法。該算法采用DNA鏈對(duì)抗體進(jìn)行編碼,利用信息熵來表示抗體間的親和度及濃度,對(duì)兩者進(jìn)行綜合評(píng)價(jià),形成抗體的聚合親和度作為抗體更新的指標(biāo),實(shí)現(xiàn)了抗體群的自我調(diào)節(jié)和多樣性保持策略。.首先，我們必須研究知識(shí)的引入1仿真結(jié)果與分析韓學(xué)東等人提出了基于疫苗自動(dòng)獲取與更新的免疫遺傳算法。為提高遺傳算法的收斂速度,從各代群體中選出優(yōu)良個(gè)體,然后從這些優(yōu)良個(gè)體中提取疫苗,依概率對(duì)后代種群的個(gè)體接種疫苗。作者基于模式定理分析了算法的計(jì)算效率,用幾個(gè)典型函數(shù)優(yōu)化問題的仿真結(jié)果驗(yàn)證了算法的可行性和有效性。常征等人提出了一種基于免疫原理的新優(yōu)化遺傳算法。將靜態(tài)繁殖理論和機(jī)器學(xué)習(xí)原理引入到免疫遺傳算法中,利用自適應(yīng)疫苗,增強(qiáng)個(gè)體免疫力,以增加種群的平均適值,從而避免了最優(yōu)解的丟失,縮小了搜索空間,加快了進(jìn)化速度,使系統(tǒng)能夠在很短的時(shí)間內(nèi)得到最優(yōu)解。2模糊控制器的應(yīng)用朱紅霞等人提出了一種記憶細(xì)胞精英抗體遺傳策略,從而強(qiáng)化了免疫系統(tǒng)的記憶功能和抗體濃度調(diào)節(jié)機(jī)制,使免疫遺傳算法更快速、穩(wěn)定地收斂到全局最優(yōu)點(diǎn);同時(shí)在模糊規(guī)則和隸屬度函數(shù)聯(lián)合編碼基礎(chǔ)上,通過上述改進(jìn)型免疫遺傳算法實(shí)現(xiàn)了模糊控制器參數(shù)的同步優(yōu)化。武曉今等人在免疫遺傳算法中引入模式控制的方法來解決復(fù)雜函數(shù)優(yōu)化的問題?；诿庖哌z傳機(jī)制,利用免疫記憶庫記憶優(yōu)秀免疫遺傳模式加速優(yōu)化過程,并且克服了函數(shù)優(yōu)化缺乏記憶的缺陷,解決了如何處理編碼發(fā)生“早熟”現(xiàn)象及如何設(shè)定模式的評(píng)價(jià)函數(shù)兩個(gè)問題?；诮傻姆椒∕oHong-wei等人提出了免疫網(wǎng)絡(luò)克隆優(yōu)化算法。針對(duì)免疫克隆優(yōu)化算法后期抗體相似度大而導(dǎo)致的“早熟”現(xiàn)象,作者引入免疫網(wǎng)絡(luò)及遺傳算法中的交叉算子對(duì)其進(jìn)行改進(jìn),并將改進(jìn)后的算法應(yīng)用于幾種不同的克隆策略,驗(yàn)證了它的有效性。趙云豐等人提出了一種人工免疫網(wǎng)絡(luò)算法(aiNet),算法借鑒禁忌搜索算法的機(jī)制在算法中引入禁忌表,禁忌那些在網(wǎng)絡(luò)迭代中親和度不再增加的細(xì)胞,并通過特赦準(zhǔn)則赦免一些被禁忌的優(yōu)良狀態(tài);增加一個(gè)記憶表,用于保存成熟的記憶細(xì)胞;重新定義了Gauss變異方式,保證了多樣化的有效搜索算法的不足之處是對(duì)網(wǎng)絡(luò)抑制閾值的設(shè)置還有些敏感,仍然需要先驗(yàn)知識(shí)和實(shí)驗(yàn)來確定;利用陰性選擇抑制雖然簡(jiǎn)便易于實(shí)現(xiàn),但計(jì)算復(fù)雜度相對(duì)較高;進(jìn)化代數(shù)也需要人為干預(yù),未能完全體現(xiàn)出免疫系統(tǒng)的自組織機(jī)理,尚缺乏一定的自主性。運(yùn)營本的改進(jìn)1基于免疫遺傳算法的改進(jìn)和完善免疫疫苗段玉波等人將免疫系統(tǒng)中抗體多樣性的維持機(jī)制引入遺傳算法,同時(shí)兼顧個(gè)體多樣性和提高種群中個(gè)體適應(yīng)度的水平,提出了基于相似性矢量矩為選擇概率的免疫遺傳算法,并給出了此類概率選擇的一般表示形式。為了防止基于相似性矢量矩為選擇概率的免疫遺傳算法在優(yōu)化過程中出現(xiàn)退化現(xiàn)象,通過在算法中引入免疫疫苗的方式,對(duì)該算法進(jìn)一步加以改進(jìn),從每一代保優(yōu)抗體中提取有效信息,進(jìn)而得到一種新的疫苗提取方法?；谒岢龅母倪M(jìn)免疫遺傳算法,對(duì)編碼方案進(jìn)行了改進(jìn)。劉明輝等人提出了一種基于“二次選擇”的免疫遺傳算法。在對(duì)抗體群進(jìn)行完第一次選擇操作后,種群中抗體的多樣性得到了保持,再對(duì)這個(gè)種群進(jìn)行一次以單一親和度(抗體與抗原)為選擇概率的選擇操作。在搜索的早期,算法盡可能保持了種群中抗體的多樣性,使全局最優(yōu)解不偏離太遠(yuǎn),隨著遺傳操作的進(jìn)行,逐漸靠近最優(yōu)解,種群中表示最優(yōu)解的抗體將逐漸增加,算法在后期由于二次選擇的作用,將轉(zhuǎn)到遺傳算法的搜索過程上來。2基于局部或超應(yīng)變的模擬焦建民等人模擬抗體搜索機(jī)制,結(jié)合免疫網(wǎng)絡(luò)理論,用抗體表示函數(shù)優(yōu)化解的可能模式,通過克隆算子完成全局搜索,利用B細(xì)胞網(wǎng)絡(luò)保持抗體的多樣性,并將算法應(yīng)用于冗余空間機(jī)械臂設(shè)計(jì)。Geetha等人提出了一種人工免疫系統(tǒng)用于優(yōu)化工業(yè)排放量。算法在抗體繁殖時(shí)利用克隆選擇原理及進(jìn)化方法對(duì)其進(jìn)行改進(jìn),隨后應(yīng)用超變異對(duì)其進(jìn)行優(yōu)化。改進(jìn)后的算法以整體運(yùn)行成本為目標(biāo)函數(shù),通過實(shí)驗(yàn)驗(yàn)證,它具有很好的效果。3自適應(yīng)免疫算法曾茜等人將免疫遺傳算法用于資源受限工期最短問題的研究中。算法將記憶池用于搜集算法進(jìn)化獲得的優(yōu)秀個(gè)體,并使記憶池中的個(gè)體參與交叉;基于群體多樣性特征,設(shè)計(jì)濃度方案調(diào)節(jié)進(jìn)化群體的多樣性,并用于群體更新;利用自適應(yīng)變異及修補(bǔ)思想增強(qiáng)進(jìn)化群體的散布性和修正非可行解。謝永智提出了一種基于自適應(yīng)免疫算法用于塔式起重機(jī)穩(wěn)定性優(yōu)化設(shè)計(jì)。作者采用自適應(yīng)免疫算法,對(duì)算法進(jìn)行自動(dòng)調(diào)整變異概率,把種群的方差和熵作為算法結(jié)束條件,增加擴(kuò)展算子自動(dòng)調(diào)整擴(kuò)展半徑,并將算法應(yīng)用于起重機(jī)穩(wěn)定性優(yōu)化設(shè)計(jì),優(yōu)化結(jié)果證實(shí)了該算法的有效性。唐正等人提出了空間自適應(yīng)免疫克隆選擇優(yōu)化算法。該算法利用不完全演化獲得精英個(gè)體,以精英個(gè)體為中心收縮搜索空間,避免算法對(duì)冗余空間的過多搜索,同時(shí)將變異步長(zhǎng)與抗體的適應(yīng)度、迭代次數(shù)及空間各維長(zhǎng)度關(guān)聯(lián)起來,提高了抗體的精細(xì)搜索能力。4基于貝葉斯定理的人工免疫優(yōu)化舒雋等人充分結(jié)合免疫原理和遺傳算法各自優(yōu)點(diǎn),提出了具有兩兩競(jìng)爭(zhēng)選擇、均勻交叉、最優(yōu)個(gè)體保留、罰因子自適應(yīng)調(diào)整以及免疫機(jī)制等特點(diǎn)的免疫遺傳算法,將其應(yīng)用于解決電力市場(chǎng)中的無功優(yōu)化問題。算法模擬免疫系統(tǒng)中抗體的自我平衡機(jī)制,調(diào)節(jié)遺傳算法中個(gè)體濃度的抑制和促進(jìn);利用免疫記憶功能實(shí)現(xiàn)了優(yōu)良基因片的重組,提高了遺傳算法的總體搜索能力。Castro等人提出了一種基于貝葉斯定理的人工免疫系統(tǒng)用來解決多目標(biāo)優(yōu)化問題。文章將傳統(tǒng)的變異算子及克隆操作算子用一種概率模型代替,也就是說,用貝葉斯網(wǎng)絡(luò)來表現(xiàn)較優(yōu)解的聯(lián)合分布,然后使用概率模型來提取最優(yōu)解。作者將算法用于多目標(biāo)問題的優(yōu)化,取得了良好的效果。5補(bǔ)體激活算子陳光柱等人提出了一種免疫補(bǔ)體優(yōu)化算法。作者針對(duì)目前提出的免疫優(yōu)化算法在求解優(yōu)化問題時(shí)還存在收斂速度慢、往往不能求得最優(yōu)解、魯棒性低的問題,基于生物免疫補(bǔ)體激活原理,提出了一種免疫補(bǔ)體優(yōu)化算法。算法依據(jù)補(bǔ)體激活理論,設(shè)計(jì)了主要的補(bǔ)體算子,即分裂算子和結(jié)合算子,并根據(jù)補(bǔ)體激活過程,通過補(bǔ)體算子的作用對(duì)問題解不斷優(yōu)化,求得全局最優(yōu)解。但是對(duì)分裂算子和結(jié)合算子還需深入研究,以便提出適合工程應(yīng)用的算子模式。李廣強(qiáng)等人以并行遺傳算法(PGA)為基礎(chǔ),對(duì)其早熟收斂慢等缺陷加以改進(jìn),提出一種并行混合免疫遺傳算法(PHIGA)。算法采用混沌初始化和基于自適應(yīng)交叉、變異的多種群搜索,并用布局問題的算例驗(yàn)證了該算法的可行性和有效性。張楠等人提出了基于混沌理論的免疫遺傳算法。該算法利用混沌系統(tǒng)的遍歷性來減少數(shù)據(jù)冗余,利用混沌系統(tǒng)的初值敏感性來擴(kuò)大搜索范圍,從而保持了種群的多樣性,避免了局部最優(yōu)。改進(jìn)的物免疫機(jī)制周湶等人提出了一種應(yīng)用于配電網(wǎng)網(wǎng)架規(guī)劃的多種群免疫遺傳算法。采用多個(gè)種群針對(duì)優(yōu)化目標(biāo)的不同方面進(jìn)行優(yōu)化搜索。在遺傳進(jìn)化過程中,借鑒生物免疫機(jī)制對(duì)每個(gè)種群的染色體進(jìn)行免疫算子操作,種群之間通過優(yōu)秀個(gè)體轉(zhuǎn)移進(jìn)行交互,防止了種群退化,提高了種群的多樣性和遺傳算法的全局尋優(yōu)能力。ZhuHong-xia等人提出了一種改進(jìn)的多種群免疫遺傳算法。作者將免疫系統(tǒng)機(jī)制、基因識(shí)別、免疫記憶、網(wǎng)絡(luò)協(xié)調(diào)及精英保留策略引入到遺傳算法中,同時(shí)基于多種群進(jìn)化理論,將抗體分為兩個(gè)階段,一種在種群間競(jìng)爭(zhēng),另一種在種群內(nèi)部競(jìng)爭(zhēng),這樣就避免了全局及局部搜索的沖突。在生物免疫系統(tǒng)中的應(yīng)用劉達(dá)宏等人結(jié)合隔離小生境技術(shù)的特點(diǎn)和免疫遺傳算法的全局收斂特性,提出了一種基于小生境免疫遺傳算法的模糊神經(jīng)網(wǎng)絡(luò)控制器優(yōu)化設(shè)計(jì)方法,并將其用于船舶自動(dòng)舵的設(shè)計(jì)。小生境免疫遺傳算法是一種改進(jìn)的免疫遺傳算法,它借鑒生物免疫系統(tǒng)的自適應(yīng)識(shí)別和排除侵入機(jī)體的抗原性異物的功能,將生物系統(tǒng)的學(xué)習(xí)、記憶、多樣性和模式識(shí)別的特點(diǎn)引入遺傳算法。同時(shí)模擬免疫行為中隔離小生境特點(diǎn),引入小生境技術(shù),將演化種群分為若干個(gè)子種群以實(shí)現(xiàn)隔離。金弟等人提出了一種基于免疫和進(jìn)化擴(kuò)散算法的全局優(yōu)化問題求解算法。算法在整體上借鑒了免疫算法的基本思想,具有免疫算法的全局搜索特性;在局部,每個(gè)家庭利用進(jìn)化擴(kuò)散算法中的基本操作自主進(jìn)化,具有進(jìn)化擴(kuò)散算法的局部搜索特性。另外,為了進(jìn)一步提高算法效率,作者提出了一個(gè)新的步長(zhǎng)參數(shù)動(dòng)態(tài)調(diào)整策略,同時(shí)為了保持群體的多樣性,引入了基于共享機(jī)制的小生境算法。但是該文提出的步長(zhǎng)參數(shù)動(dòng)態(tài)調(diào)整算法源自一個(gè)直觀的想法,并不知道全局最優(yōu)解,所以只是一個(gè)理想的情況。疫苗庫規(guī)模與算法計(jì)算效率的關(guān)系綜上所述,對(duì)于優(yōu)化問題,因其自身的特點(diǎn)廣泛應(yīng)用于自動(dòng)控制、故障診斷、模式識(shí)別、圖像識(shí)別、優(yōu)化設(shè)計(jì)、機(jī)器學(xué)習(xí)網(wǎng)絡(luò)安全等各個(gè)領(lǐng)域。但縱觀上述研究進(jìn)展,免疫遺傳算法也存在一些不足,主要原因還在于免疫算法的基礎(chǔ)框架結(jié)構(gòu)還不夠完善,許多方面都有待改進(jìn)和完善,如疫苗庫的規(guī)模是影響算法計(jì)算效率的一個(gè)重要因素,對(duì)于種群規(guī)模與疫苗庫規(guī)模之間的關(guān)系以及如何選擇合理的疫苗庫規(guī)模都應(yīng)是進(jìn)一步需要研究的問題。近年來人工免疫系統(tǒng)得到迅速發(fā)展,使得免疫遺傳算法有了更為廣闊的發(fā)展平臺(tái)。與神經(jīng)網(wǎng)