求解最大子团的随机抽样免疫遗传算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 40-42.

求解最大子团的随机抽样免疫遗传算法

周本达1，陈明华2

1.皖西学院数理系，安徽六安 237012
2.皖西学院计算机科学与技术系，安徽六安 237012

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Immune genetic algorithm based on random sampling for maximum clique problem

ZHOU Benda1，CHEN Minghua2

1.Department of Mathematics & Physics，West Anhui University，Lu’an，Anhui 237012，China
2.Department of Computer Science & Technology，West Anhui University，Lu’an，Anhui 237012，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 针对遗传算法在最大子团求解中保持群体多样性能力不足、早熟、耗时长、成功率低等缺陷，利用随机抽样方法对交叉操作进行重新设计，结合免疫机理定义染色体浓度，设计克隆选择策略，提出了求解最大子团问题的随机抽样免疫遗传算法。用仿真算例说明了新算法在解的质量、收敛速度等各项指标上均有提高，且不比DLS-MC、QUALEX等经典搜索算法差，对某些算例还得到了更好解。

关键词: 最大团问题, 遗传算法, 随机抽样, 人工免疫系统, 随机抽样免疫遗传算法

Abstract: Aiming at the defects of genetic algorithm for the maximum clique problem in the deficiency of keeping population diversity，prematurity，time consuming，low success rate and so on，the crossover operation in GA is redesigned by random sampling.Combined with immune mechanism，chromosome concentration is defined and clonal selection strategy is designed，thus a Immune Genetic Algorithm is given based on random sampling for solving the maximum clique problem.The emulational examples show that solution quality，convergence rate and other various indices are improved by the new algorithm.On the other hand，the new algorithm is not inferior to such classical search algorithms as DLS-MC and QUALEX，and it gets better solutions to some examples.

Key words: Maximum Clique Problem（MCP）, Genetic Algorithm（GA）, Random Sampling（RS）, Artificial Immune Systems（AIS）, Immune Genetic Algorithm based on Random Sampling（RIGA）

周本达1，陈明华2. 求解最大子团的随机抽样免疫遗传算法[J]. 计算机工程与应用, 2011, 47(16): 40-42.

ZHOU Benda1，CHEN Minghua2. Immune genetic algorithm based on random sampling for maximum clique problem[J]. Computer Engineering and Applications, 2011, 47(16): 40-42.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.