论文部分内容阅读
单亲遗传算法采用序号编码,取消了交叉算子,代之以隐含交叉算子功能的基因换位等遗传算子,简化了遗传操作,并且不要求初始群体具有多样性,但当群体进化到一定代数时,个体浓度过高,无法很好地保持个体多样性,不能有效地避免劣质个体重复繁衍,因此仍存在"准早熟收敛"和容易陷入局部最优的缺点.单亲遗传算法的上述不足,该文从生物免疫系统中获得一些启示,利用免疫系统的特征,将它和单亲遗传算法相结合,提出一种基于免疫思想的改进的单亲遗传算法,该文称之为IPGA(Immune-Partheno Genetic Algorithm),该算法将单亲遗传算法同生物免疫系统中的记忆机制、浓度机制及多样性保持策略相结合,既保留了单亲遗传算法随机全局并行搜索的特点,又在很大程度上避免"准早熟收敛".该文主要做了以下几个方面的工作:1.研究了免疫算法的生物学基础,分析了免疫算法的进化机理;2.深化了单亲遗传算法的基本概念,改进了适合于PGA的几种遗传算子,并给出了PGA的两种典型运行步骤;3.将免疫思想引入单亲遗传算法,提出了一种新的生物优化算法--免疫单亲遗传算法(IPGA);4.研究了抗体群体规模、抗体浓度阈值以及记忆库规模等参数对IPGA的影响,并讨论了IPGA的收敛性;5.研究了IPGA在组合优化问题中的应用,提出了利用基于浓度的群体更新机制来改善群体的多样性;6.开发了运用IPGA求解CTSP问题的仿真软件,并验证了IPGA的可行性和有效性.仿真结果表明,将免疫思想引入单亲遗传算法是合理的、有效的,在求解中国TSP问题时,搜索到了比以前报告更优的解,且收敛速度有所提高,并在一定程度上避免了"准早熟收敛"现象的发生.这说明基于免疫思想的单亲遗传算法(IPGA)是求解组合优化问题的有力工具,可以应用于生产调度、资源规划、列车调度、网络通信中的路由问题等生产过程组合优化问题,具有一定的现实和经济意义.