四种改进免疫算法及其比较

免疫算法是模拟生物免疫系统功能的一种智能优化算法,具有解决复杂工程问题的潜力。然而,免疫算法存在两个严重的缺陷:容易陷入局部最优平衡态,进化后期搜索停滞不前。通过在免疫机理、优化机制、结构和行为等方面进行深入分析和巧妙改进,提出了多种群免疫算法、双倍体免疫算法、自适应免疫算法和多种群双倍体自适应免疫算法四种新的免疫算法。对20个典型组合优化Job-Shop B enchm ark问题进行了仿真试验,仿真结果表明提出的四种新免疫算法均优于一般免疫算法,不仅有很好的全局收敛性,而且稳定高效。

基于MapReduce的改进蚁群算法在TSP中的应用

针对基本蚁群算法在处理中等规模TSP问题上存在着收敛速度慢、停滞和易出现结果早熟等现象,提出了1种云计算环境下将双倍体免疫算法与蚁群算法相结合的策略,并在MapReduce计算模型上实施。该策略通过混沌扰动原理对蚁群算法中调节参数α设计动态变化和全局参数ρ进行自适应调节,在免疫算法中融合双倍体免疫机制形成双倍体免疫算法,并将疫苗的思想引入到蚁群算法中,使结合的新算法具有蚁群算法的自适应反馈机理,收敛速度快和免疫算法维持种群多样性,防止种群退化等特性,目的是改进的蚁群算法能加快搜索的速度、避免陷入局部最优解和更好的寻找到较优的路径结果,最终将其部署在Hadoop云计算平台上运行。仿真实验结果表明,融合后的新算法与双倍体免疫算法和蚁群算法相比较,既提高了运行的速度和空间的搜索效率,同时又进一步改善了路径的寻优结果,新算法在解决多结点的TSP问题上,证明了MapReduce计算模型的并行高效性。