捌椒的博客

这里写目录标题1. 免疫算法思想起源2. 算法原理3. 免疫算法算子3.1 算法算子3.1.1 亲和度评价算子3.1.2 抗体浓度评价算子：3.1.3 激励度计算算子3.1.4 免疫选择算子3.1.5 克隆算子3.1.6 变异算子3.1.7 实数编码变异算子3.1.8 离散编码变异算子3.1.9 克隆抑制算子3.1.10 种群刷新算子3.2 亲和度计算方法3.2.1 基于欧氏实数距离的抗体间亲和度计算方法3.2.2 基于海明距离的抗体-抗体亲和度计算方法4. 免疫算法种类和流程4.1 免疫算法种类4.1.1

1. 粒子群算法思想起源粒子群优化算法(ParticleSwarmoptimization,PSO)(Particle Swarm optimization,PSO)(ParticleSwarmoptimization,PSO)又称为粒子群算法。它是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。1987年，生物学家Craig Reynolds提出了一个非常有影响的鸟群聚集模型，在他的仿真中，每一个个体都遵循：避免与邻域个体相冲撞；匹配邻域个体的速度；飞向鸟群中心，且整个群体飞向

matlab代码：clear;close all;clc;C = [1304 2312; % 城市坐标 3639 1315; 4177 2244; 3712 1399; 3488 1535; 3326 1556; 3238 1229; 4196 1044; 4312 790; 4386 570; 3007 1970; 2562 1756; 2788 1491; 2381 1676;

1. 蚁群算法模拟TSP问题在时刻 ttt，蚂蚁 kkk 从城市 iii 转移到城市 jjj 的概率 pijk(t)为：p^k_{ij}(t)为：pijk​(t)为：式中， Jk(i)={1，2，…，}−tabukJ_k(i)=\{1，2，…， \}-tabu_kJk​(i)={1，2，…，}−tabuk​ 表示蚂蚁 kkk 下一步允许选择的城市集合。禁忌表 tabuktabu_ktabuk​ 记录了蚂蚁 kkk当前走过的城市。当所有 nnn 座城市都加入到禁忌表 tabuktabu_ktabu

在遗传算法中，将 nnn 维决策向量 X=[x1,x2,…,xn]TX=[x_1,x_2,…,x_n]^TX=[x1​,x2​,…,xn​]T 用 nnn 个记号Xi(i=1，2，…，n)X_i(i=1，2，…， n)Xi​(i=1，2，…，n)所组成的符号串 XXX 来表示：把每一个 XiX_iXi​ 看作一个遗传基因，它的所有可能取值就称为等位基因，这样， XXX 就可看作由 nnn 个遗传基因所组成的一个染色体。在遗传算法中，决策向量 XXX 组成了问题的解空间。对问题最优解的搜索是通过对染色体

遗传算法借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种并行、高效、全局搜索的方法。遗传算法作为一种高效、实用、鲁棒性强的优化技术，发展极为迅速，在机器学习、模式识别、神经网络、控制系统优化及社会科学等不同领域得到广泛应用遗传算法因能有效地求解NP问题以及非线性、多峰函数优化和多目标优化问题，得到了众多学科学者的高度重视。1. 遗传算法理论基础模式定义：模式是描述种群中在位串的某些确定位置上具有相似性的位串子集的相似性模板。基于三值字符集 {0，1，∗}\{0，1，*\}{0，1，∗}

该文章引自：https://www.cnblogs.com/devilmaycry812839668/p/6445762.htmlhttp://www.cnhup.com/index.php/archives/elitist-preservation-in-genetic-algorithm/遗传算法(Genetic Algorithm)中的基因，并不一定真实地反映了待求解问题的本质，因此各个基因之间未必就相互独立，如果只是简单地进行杂交，很可能把较好的组合给破坏了，这样就没有达到累积较好基因的目的，