一種基于人工免疫的初始種群生成并更新方法及系統的制作方法
【專利摘要】本發明提供一種基于人工免疫的初始種群生成方法，包括：獲取所有抗體所對應的期望繁殖率；將所述對應的期望繁殖率由高到低降序排列，并取前N個抗體作為初始種群，N為正整數。進一步的還提供一種基于人工免疫的初始種群更新方法包括：根據所述初始種群中每個抗體的期望繁殖率生成每個抗體的期望繁殖率的概率；根據所述每個抗體的期望繁殖率的概率生成每個抗體的累積適應概率；根據所述每個抗體的累積適應概率設定一個更新準則；依照所述更新準則對所述初始種群中的抗體依次更新。
【專利說明】一種基于人工免疫的初始種群生成并更新方法及系統
【技術領域】
[0001]本發明涉及智能計算機領域，特別涉及一種基于人工免疫的初始種群生成并更新方法及系統。
【背景技術】
[0002]傳統的遺傳算法都是隨機選擇初始種群，對于算法本身來說，隨機大范圍的選擇初始基因構建初始種群自然就成了能廣泛使用于任何問題的辦法。
[0003]遺傳算法是模擬生物在自然環境中的遺傳和進化過程而形成的一種自適應全局優化概率搜索算法。它提供了一種求解復雜系統優化問題的通用框架，它不依賴于問題的具體領域，對問題的種類有很強的魯棒性，這也就決定了它可以適用于極廣泛的用途，使用遺傳算法甚至可以對被解答的問題不甚了解，只要能有一個有效的編碼方式和初始解，就可以讓算法進行下去，最終得到一個不錯的可行解。
[0004]傳統的遺傳算法都是隨機選擇初始種群，采用隨機選擇初始種群，由于初始種群的覆蓋空間具有很大的不確定性，如果初始種群空間不包含全局最優解的信息，而遺傳算法又不能在有限的進化代數內將覆蓋空間擴延到全局最優解所在的區域，那么過早收斂就不可避免的；甚者，如果初始種群可能不在可行域內，則遺傳算法的執行毫無現實意義。所以隨機選擇初始種群的方法，具體到某一類問題，可能導致效率低下和盲目性。
【發明內容】
[0005]本發明的目的在于提供一種基于人工免疫的初始種群生成并更新方法及系統，以解決現有選擇初始種群的隨機性會導致傳統的遺傳算法效率低下和盲目性的問題。
[0006]為解決上述技術問題，本發明提供一種基于人工免疫的初始種群生成方法，包括:
[0007]獲取所有抗體所對應的期望繁殖率；
[0008]將所述對應的期望繁殖率由高到低降序排列，并取前N個抗體作為初始種群，N為正整數。
[0009]進一步的，在所述的基于人工免疫的初始種群生成方法中，所述獲取所有抗體所對應的期望繁殖率的步驟包括:
[0010]獲取抗原與抗體的親和力；
[0011]獲取抗體濃度；
[0012]根據所述抗原與抗體的親和力和所述抗體濃度生成抗體所對應的期望繁殖率。
[0013]同時，本發明還提供一種基于人工免疫的初始種群更新方法，使用所述的基于人工免疫的初始種群生成方法，包括:
[0014]根據所述初始種群中每個抗體的期望繁殖率生成每個抗體的期望繁殖率的概率；
[0015]根據所述每個抗體的期望繁殖率的概率生成每個抗體的累積適應概率；[0016]根據所述每個抗體的累積適應概率設定一個更新準則；
[0017]依照所述更新準則對所述初始種群中的抗體依次更新，直至整個初始種群更新完畢。
[0018]相應的，本發明還提供一種基于人工免疫的初始種群生成系統，包括:
[0019]期望繁殖率獲取模塊，用于獲取所有抗體所對應的期望繁殖率；
[0020]初始種群生成模塊，用于將所述對應的期望繁殖率由高到低降序排列，并取前N個抗體作為初始種群，N為正整數。
[0021]進一步的，在所述的基于人工免疫的初始種群生成系統中，所述期望繁殖率獲取模塊包括:
[0022]抗原與抗體的親和力生成模塊，用于獲取抗原與抗體的親和力；
[0023]抗體濃生成模塊，用于獲取抗體濃度；
[0024]期望繁殖率生成模塊，用于根據所述抗原與抗體的親和力和所述抗體濃度生成抗體所對應的期望繁殖率。
[0025]相應的，本發明還提供一種基于人工免疫的初始種群更新系統，使用所述的基于人工免疫的初始種群生成系統，包括:
[0026]期望繁殖率概率生成模塊，用于根據所述初始種群中每個抗體的期望繁殖率生成每個抗體的期望繁殖率的概率；
[0027]累積適應概率生成模塊，用于根據所述每個抗體的期望繁殖率的概率生成每個抗體的累積適應概率；
[0028]更新準則模塊，用于根據所述每個抗體的累積適應概率設定一個更新準則；
[0029]初始種群更新模塊，用于依照所述更新準則對所述初始種群中的抗體依次更新，直至整個初始種群更新完畢。
[0030]本發明提供的基于人工免疫的初始種群生成并更新方法及系統，具有以下有益效果:采用人工免疫算法來產生遺傳算法的初始種群，就是根據問題的具體情況提取疫苗，它可以有效克服遺傳算法不考慮問題具體情況這一缺點，并使問題的先驗知識得到應用，從而使遺傳算法能更準確地找到正確的解。
【專利附圖】
【附圖說明】
[0031]圖1是本發明實施例的基于人工免疫的初始種群生成方法的示意圖；
[0032]圖3是本發明實施例的基于人工免疫的初始種群生成系統的示意圖；
[0033]圖3是本發明實施例的基于人工免疫的初始種群更新方法的示意圖；
[0034]圖4是本發明實施例的基于人工免疫的初始種群更新系統的示意圖。
【具體實施方式】
[0035]以下結合附圖和具體實施例對本發明提出的基于人工免疫的初始種群生成并更新方法及系統作進一步詳細說明。根據下面說明和權利要求書，本發明的優點和特征將更清楚。需說明的是，附圖均采用非常簡化的形式且均使用非精準的比例，僅用以方便、明晰地輔助說明本發明實施例的目的。
[0036]初始種群的產生是遺傳算法實施的第一步，初始種群的分布狀態不僅直接關系到遺傳算法的全局收斂性，還影響算法的搜索效率，所以對初始種群進行科學合理設定是應用遺傳算法進行尋優計算的一個重要問題。
[0037]人工免疫算法是參考生物免疫系統的功能，把問題看成是抗原，把問題的最優解看作是抗原對應的抗體，模擬抗原入侵免疫系統，根據已有的記憶，通過細胞的產生和抑制，最終找出與抗原對應的抗體來求解問題的算法；人工免疫算法在模擬免疫系統由已有的抗體產生新抗體的過程中，存在一個記憶機制:即算法在完成一個問題的求解以后，保留一定數量的較優解，在算法接受同類問題的求解時，可以將保留的較優解作為初始解，從而提高算法的計算效率。
[0038]請參考圖1，其是本發明實施例的基于人工免疫的初始種群生成方法的示意圖。如圖1所示，本發明提供一種基于人工免疫的初始種群生成方法，包括:
[0039]Sll:獲取所有抗體(Z1, Z2, Z3,所對應的期望繁殖率ei ；
[0040]具體的，步驟Sll包括:
[0041]Slll:獲取抗原與抗體的親和力 antigerii ^ntigeni = 1-(Zmax-Zi)
[0042]設定一個數學模型的參數(設計變量)為抗原，如\屯，而公式結論值為抗體Zi，抗
原I^di可隨機選取其值，于是可以獲得抗體Zi,如下式
【權利要求】
1.一種基于人工免疫的初始種群生成方法，其特征在于，包括: 獲取所有抗體所對應的期望繁殖率； 將所述對應的期望繁殖率由高到低降序排列，并取前N個抗體作為初始種群，N為正整數。
2.如權利要求1所述的基于人工免疫的初始種群生成方法，其特征在于，所述獲取所有抗體所對應的期望繁殖率的步驟包括: 獲取抗原與抗體的親和力； 獲取抗體濃度； 根據所述抗原與抗體的親和力和所述抗體濃度生成抗體所對應的期望繁殖率。
3.一種基于人工免疫的初始種群更新方法，使用如權利要求1或2任一所述的基于人工免疫的初始種群生成方法，其特征在于，包括: 根據所述初始種群中每個抗體的期望繁殖率生成每個抗體的期望繁殖率的概率； 根據所述每個抗體的期望繁殖率的概率生成每個抗體的累積適應概率； 根據所述每個抗體的累積適應概率設定一個更新準則； 依照所述更新準則對所述初始種群中的抗體依次更新，直至整個初始種群更新完畢。
4.一種基于人工免疫的初始種群生成系統，其特征在于，包括: 期望繁殖率獲取模塊，用于獲取所有抗體所對應的期望繁殖率； 初始種群生成模塊，用于將所述對應的期望繁殖率由高到低降序排列，并取前N個抗體作為初始種群，N為正整數。
5.如權利要求1所述的基于人工免疫的初始種群生成系統，其特征在于，所述期望繁殖率獲取模塊包括: 抗原與抗體的親和力生成模塊，用于獲取抗原與抗體的親和力； 抗體濃生成模塊，用于獲取抗體濃度； 期望繁殖率生成模塊，用于根據所述抗原與抗體的親和力和所述抗體濃度生成抗體所對應的期望繁殖率。
6.一種基于人工免疫的初始種群更新系統，使用如權利要求4或5任一所述的基于人工免疫的初始種群生成系統，其特征在于，包括: 期望繁殖率概率生成模塊，用于根據所述初始種群中每個抗體的期望繁殖率生成每個抗體的期望繁殖率的概率； 累積適應概率生成模塊，用于根據所述每個抗體的期望繁殖率的概率生成每個抗體的累積適應概率； 更新準則模塊，用于根據所述每個抗體的累積適應概率設定一個更新準則； 初始種群更新模塊，用于依照所述更新準則對所述初始種群中的抗體依次更新，直至整個初始種群更新完畢。
【文檔編號】G06N3/12GK103745260SQ201410029714
【公開日】2014年4月23日 申請日期:2014年1月22日 優先權日:2014年1月22日
【發明者】陳年生 申請人:上海電機學院