人工免疫算法教材课程.ppt

免疫进化理论的研究;主要内容;研究背景;Artificial Immune System－AIS;? 一门新兴的研究领域。 ;? 人工免疫网络模型 ;? 免疫学习算法 ;? 国际研究 ;生物免疫的启示;免疫生物学的基本概念;免疫系统的主要功能;免疫系统的主要特点;算法研究;进化＋免疫;基本概念;基本概念;免疫算子有两种类型： 全免疫 非特异性免疫 目标免疫 特异性免疫 ;免疫操作的基本过程;免疫算子 ;设个体x，给其接种疫苗是指按照先验知识来修改x的某些基因位上的基因或其分量，使所得个体以较大的概率具有更高的适应度。疫苗 是从先验知识中提炼出来的，它所含的信息量及其准确性对算法性能的发挥起着重要的作用。;这一操作一般分两步完成：第一步是 免疫检测 ，即对接种了疫苗的个体进行检测，若其适应度仍不如父代，则该个体将被父代中所对应的个体所取代；第二步是 退火选择 ，即在目前的子代群体中以右边所示概率;体系结构;免疫算法;免疫算法的收敛性;初始化：首先，根据要求确定解的精度；其次，随机产生N个个体，并由此构成初始的父代种群A0； 根据先验知识抽取疫苗H； 计算当前种群Ak的个体适应度，并进行停机条件的判断。若条件满足，则停止运行并输出结果；否则继续； 对当前的父代群体Ak进行变异操作，生成子代群体Bk； 对群体Bk进行接种疫苗操作，得到种群Ck； 对群体Ck进行免疫选择操作，得到新一代父本Ak+1，并转至第三步。;免疫规划的收敛性;免疫策略;免疫策略的收敛性;免疫算子的机理;Begin: 抽取疫苗： 分析待求问题，搜集特征信息； 依据特征信息估计特定基因位上的模式: ； k = 0 and j = 0； while (Conditions = True) if {PV}=True, then j = j +1； i = 0； for (i≤n) 接种疫苗： ； 免疫检验：if , then ; else ； i = i +1； 退火选择： ； k = k+1； End;具体分析待求问题，搜集特征信息。;TSP问题的描述;TSP问题的分析;Begin: while (Conditions = True) 统计父代群体，确定最佳个体： ; 分解最佳个体，抽取免疫基因： ; 执行遗传和免疫算子操作; end;Begin: 邻近城市序列初始化：Neighbor(i) = random(1, n) , i =1, …, n; 最短子路径的初始化：Sub_path(i) i =1,…, n; while (Conditions = True) for i = 1 to n 变异： Neighbor(i) = Floor(Gauss(Neighbor(i), 1 ) ) ; 选择：if Distance(City_ i, Neighbor(i)) Min_distance(i) then Sub_path(i) = Neighbor(i); Min_distance(i) = Distance(City_ i, Neighbor(i)); end end end;仿真实验;子代适应度值随进化过程的变化曲线;仿真实验;子代适应度值随进化过程的变化曲线;仿真实验;接受正常免疫疫苗时的计算曲线;免疫疫苗为 时的计算曲线