基于模拟退火选择的动态免疫算法及其应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (36): 57-60.

基于模拟退火选择的动态免疫算法及其应用

钱淑渠，武慧虹

安顺学院数学与计算机科学系，贵州安顺 561000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-21 发布日期:2011-12-21

Dynamic immune algorithm based on simulated annealing selection and its application

QIAN Shuqu，WU Huihong

Department of Mathematics and Computer Sciences，Anshun College，Anshun，Guizhou 561000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-21 Published:2011-12-21

摘要/Abstract

摘要： 借鉴人工免疫系统的记忆、动态识别等功能及模拟退火选择理论，提出一种适用于求解动态环境优化问题的动态免疫算法（DIASA），并将其用于高维动态约束背包问题。算法设计包括：（1）抗体的亲和力随群体进化而变化;（2）可行抗体被克隆和动态突变，突变概率与抗体浓度相关，而非可行抗体按价值密度贪婪修正;（3）新环境初始群经环境识别算子按不同方式生成，相似环境初始群由记忆细胞及随机抗体产生。数值实验中，选取著名的动态进化算法（ETGA）和动态免疫遗传算法（ISGA），通过不同难度的高维动态约束背包问题进行仿真比较，结果表明：DIASA较算法ISGA和ETGA对不同问题在各环境内表现较强的优化性能，群体中抗体多样性保持较好，能快速跟踪不同环境的最优值，收敛性强。

关键词: 动态环境, 动态背包问题, 免疫算法, 模拟退火选择, 群体多样性

Abstract: A novel dynamic immune optimization algorithm（DIASA），based on simulated annealing selection theory，adaptive memory and the functions of dynamic recognition of immune system，is proposed to solve the high-dimensional dynamic knapsack problem with constraints.The keys of algorithm are included：（1）The affinity of antibody is designed based on the performance of current population.（2）The infeasible antibodies are repaired by the increasing sorting of price consistency of antibodies gene，while the feasible antibodies are cloned and mutated dynamically，the mutation probability is designed by the density of antibody.（3）The new environmental population is generated using memory cells according to environmental recognition operator，which accelerates the convergence of algorithm.In numerical experiments，two existing intelligent algorithms ETGA and ISGA for dynamic optimization problem are selected to compare with the algorithm designed for dynamic high-
dimension knapsack problem，the results indicate that the DIASA shows a promising convergent capability，and can track rapidly the optimum，powerful diversity of population.

Key words: dynamic environments, dynamic knapsack problem, immune algorithms, simulated annealing selection, population diversity

钱淑渠，武慧虹. 基于模拟退火选择的动态免疫算法及其应用[J]. 计算机工程与应用, 2011, 47(36): 57-60.

QIAN Shuqu，WU Huihong. Dynamic immune algorithm based on simulated annealing selection and its application[J]. Computer Engineering and Applications, 2011, 47(36): 57-60.

[1]	杨世强，范国豪，白乐乐，赵成，李德信. 基于几何约束的室内动态环境视觉SLAM[J]. 计算机工程与应用, 2021, 57(16): 203-212.
[2]	曹林，王之腾，陈亮，李洪顺，高申，张自立. 基于改进量子免疫算法的神经网络集成[J]. 计算机工程与应用, 2020, 56(22): 142-147.
[3]	董峰1，周鹏旭2. 面向云计算平台的多层免疫入侵检测模型[J]. 计算机工程与应用, 2016, 52(21): 101-104.
[4]	孙永河1，段万春1，李春好2，许成磊1. 动态环境下的群组专家多准则变权决策方法[J]. 计算机工程与应用, 2015, 51(2): 1-6.
[5]	李雪竹. 基于免疫萤火虫算法的RFID仓储车辆动态调度[J]. 计算机工程与应用, 2014, 50(6): 235-239.
[6]	陈云芳，王舒雅. 免疫算子对种群多样性的影响分析[J]. 计算机工程与应用, 2014, 50(20): 68-73.
[7]	吕战永，曹江涛. 自反馈生物激励神经网络机器人路径规划[J]. 计算机工程与应用, 2014, 50(16): 255-258.
[8]	李睿，毛莉，张九蕊. 基于混沌免疫遗传优化的粒子滤波重采样[J]. 计算机工程与应用, 2013, 49(6): 209-212.
[9]	李国平. 面向多峰函数优化的PASFLI算法及应用[J]. 计算机工程与应用, 2013, 49(21): 199-203.
[10]	石兆1，2，符卓1. 动态环境下有时间窗的成套配送车辆路径问题[J]. 计算机工程与应用, 2012, 48(32): 23-29.
[11]	贾亚军，丛爽. 基于相似性矢量距选择的改进人工免疫算法[J]. 计算机工程与应用, 2011, 47(6): 26-29.
[12]	闫涛. TD-SCDMA基站选址的免疫优化实现[J]. 计算机工程与应用, 2011, 47(31): 206-208.
[13]	冯林，贾菁辉. 基于对比优化的RRT路径规划改进算法[J]. 计算机工程与应用, 2011, 47(3): 210-213.
[14]	郝建东，毛力，王晓锋. 融合免疫-蚁群的Ad Hoc网络QoS多播路由[J]. 计算机工程与应用, 2011, 47(3): 100-102.
[15]	武云鹏，黄金才，张维明，刘忠，朱承，修保新. 对抗条件下的计划生成过程建模及状态推理[J]. 计算机工程与应用, 2011, 47(26): 1-3.