智能优化算法——免疫算法求解选址问题（Python&Matlab实现）

目录

1 重要知识点

1.1 免疫算法理论  

1.2 免疫算法基本概念 

 2 免疫算法流程 

3 免疫算法解决TSP问题——Python实现 

4 免疫算法解决TSP问题——Matlab实现  

4.1 解的多样性评价

4.2 案例模型步骤

4.3 免疫算法打包程序实现的步骤

4.4 Matlab代码 

4.5 结果  

---

1 重要知识点

1.1 免疫算法理论  

      生物免疫系统是一个复杂的自适应系统。免疫系统能够识别出病原体，具有学习、记忆和模式识别能力,因此可以借鉴其信息处理机制来解决科学和工程问题。免疫算法正是基于生物免疫系统识别外部病原体并产生抗体对抗病原体的学习机制而提出的，由此诞生了基于免疫原理的智能优化方法研究这一新的研究方向。

     免疫算法主要是模仿免疫细胞分裂复制的过程，有遗传算法的交叉变异过程，主要区别于多了个体繁殖率计算和更新记忆库两个过程，记忆库用于储存历代几个个体最优解+当前繁殖率最优个体；繁殖率的计算一是看目标函数值，二是看个体之间的相似度，相同的目标函数值，相似度大的其繁殖率相对较低，那么如果在有机会进入记忆库时，前者会优先保存于记忆库中。