matlab迭代算法实例_智能优化算法及其MATLAB实例-免疫算法笔记

一、概念

1、Immune Algorithm, IA 免疫算法

（1）其仿照生物的免疫系统，是一个复杂的自适应系统；

其相关概念有：

• 免疫
• 抗原
• 抗体
• T细胞和B细胞

　　其生物免疫系统的机理为：免疫识别、免疫学习、免疫记忆、克隆选择、个体多样性、分布式和自适应。

（2）免疫算法的特点：

• 全局搜索能力

在对优质抗体邻域进行局部搜索的同事利用变异算子和种群刷新新算子不断产生新的个体，探索可行解的新区域，保证算法在完整的可行性解区间进行搜索，具有全局收敛性；

• 多样性保持机制
• 鲁棒性强
• 并行分布式搜索机制

（２）算子

• 亲和度评价算子
• 抗体浓度评价算子
• 基于欧氏距离的抗体间亲和度计算／基于海明距离的抗体间亲和度算法（海明距离为基于离散编码的算法）
• 激励度计算算子
• 免疫选择算子
• 克隆算子
• 变异算子——实数编码算法变异算子／连编码算法变异算子
• 克隆抑制算子
• 种群刷新算子

（３）算法流程示例

Step1：初始化参数

Step2：初始化种群

f 

Step3：计算个体浓度和激励度

nd

Step4：克隆

a 

Step5：变异

变异是针对克隆算子的操作，以产生亲和度突变，实现局部搜索；

if 

Step6：克隆抑制

保留亲和度最高的个体，并将其替换进入新的抗体种群

Step7：更新种群激励

Step8：种群刷新并计算新种群的激励

for 

Step9：更新后的种群与新种群进行交叉

f1 

二、完整实例

实例一

计算函数的最小值

clear 

实例二

31个城市的TSP问题

clear