⛄一、免疫算法结合蚁群算法求解旅行商问题简介
1 引言
旅行商问题(Traveling Salesman Problem,TSP)是具有重要意义的组合优化难题,已被证明属于NPC问题。它可简述为:给定一个边赋权图G=(V,E),寻找G的Hamilton圈C,使得C的总权ω(C)最小。TSP问题描述简单却难以求解,因而一直作为衡量各种优化算法性能的标准。近年来,人们从仿生学的机理中受到启发,提出了许多用于求解TSP问题的新方法,如:禁忌搜索算法、遗传算法、摸拟退火算法、人工免疫算法和蚁群算法等。然而,面对TSP问题的复杂性,每种算法都表现出各自的优势和缺陷。
人工免疫算法(Artificial Immune Algorithm,AIA)是近几年才提出的一种随机优化方法,它模拟生物免疫系统,用亲和力来描述抗体与抗原之间的匹配程度,用排斥力来描述两个抗体之间的相似程度,依据抗体与抗原之间的亲和力以及抗体与抗体之间的排斥力来选择抗体。在用AIA求解优化问题时,一个抗体用一个字符串表示,满足约束条件的最优解即是抗原,候选解即是抗体。抗体与抗原之间的亲和力反映了候选解与最优解的接近程度,也即反映候选解对目标函数和约束条件的满足程度;抗体与抗体之间的排斥力反映了不同候选解之间的异同,也即反映了抗体的多样性。保持抗体的多样性可以防止算法陷入局部最优解。AIA具有快速随机的全局搜索能力,但对于系统中的反馈信息利用不足