人工免疫算法 matlab代碼

1、在生命科學(xué)領(lǐng)域中，人們已經(jīng)對(duì)遺傳(Heredity)與免疫(Immunity)等自然現(xiàn)象進(jìn)行了廣泛深入的研究。六十年代Bagley和Rosenberg等先驅(qū)在對(duì)這些研究成果進(jìn)行分析與理解的基礎(chǔ)上，借鑒其相關(guān)內(nèi)容和知識(shí)，特別是遺傳學(xué)方面的理論與概念，并將其成功應(yīng)用于工程科學(xué)的某些領(lǐng)域，收到了良好的效果。時(shí)至八十年代中期，美國(guó)Michigan大學(xué)的Hollan教授不僅對(duì)以前的學(xué)者們提出的遺傳概念進(jìn)行了總結(jié)與推廣，而且給出了簡(jiǎn)明清晰的算法描述，并由此形成目前一般意義上的遺傳算法(GeneticAlgorithm)GA。由于遺傳算法較以往傳統(tǒng)的搜索算法具有使用方便、魯棒性強(qiáng)、便于并行處理等特點(diǎn)，因而廣

2、泛應(yīng)用于組合優(yōu)化、結(jié)構(gòu)設(shè)計(jì)、人工智能等領(lǐng)域。另一方面，F(xiàn)armer和Bersini等人也先后在不同時(shí)期、不同程度地涉及到了有關(guān)免疫的概念。遺傳算法是一種具有生成+檢測(cè) (generate and test)的迭代過程的搜索算法。從理論上分析，迭代過程中，在保留上一代最佳個(gè)體的前提下，遺傳算法是全局收斂的。然而，在對(duì)算法的實(shí)施過程中不難發(fā)現(xiàn)兩個(gè)主要遺傳算子都是在一定發(fā)生概率的條件下，隨機(jī)地、沒有指導(dǎo)地迭代搜索，因此它們?cè)跒槿后w中的個(gè)體提供了進(jìn)化機(jī)會(huì)的同時(shí)，也無(wú)可避免地產(chǎn)生了退化的可能。在某些情況下，這種退化現(xiàn)象還相當(dāng)明顯。另外，每一個(gè)待求的實(shí)際問題都會(huì)有自身一些基本的、顯而易見的特征信息或知識(shí)。

3、然而遺傳算法的交叉和變異算子卻相對(duì)固定，在求解問題時(shí)，可變的靈活程度較小。這無(wú)疑對(duì)算法的通用性是有益的，但卻忽視了問題的特征信息對(duì)求解問題時(shí)的輔助作用，特別是在求解一些復(fù)雜問題時(shí)，這種忽視所帶來(lái)的損失往往就比較明顯了。實(shí)踐也表明，僅僅使用遺傳算法或者以其為代表的進(jìn)化算法，在模仿人類智能處理事物的能力方面還遠(yuǎn)遠(yuǎn)不足，還必須更加深層次地挖掘與利用人類的智能資源。從這一點(diǎn)講，學(xué)習(xí)生物智能、開發(fā)、進(jìn)而利用生物智能是進(jìn)化算法乃至智能計(jì)算的一個(gè)永恒的話題。所以，研究者力圖將生命科學(xué)中的免疫概念引入到工程實(shí)踐領(lǐng)域，借助其中的有關(guān)知識(shí)與理論并將其與已有的一些智能算法有機(jī)地結(jié)合起來(lái)，以建立新的進(jìn)化理論與算法，來(lái)

4、提高算法的整體性能。基于這一思想，將免疫概念及其理論應(yīng)用于遺傳算法，在保留原算法優(yōu)良特性的前提下，力圖有選擇、有目的地利用待求問題中的一些特征信息或知識(shí)來(lái)抑制其優(yōu)化過程中出現(xiàn)的退化現(xiàn)象，這種算法稱為免疫算法(ImmuneAlgorithm)IA。下面將會(huì)給出算法的具體步驟，證明其全局收斂性，提出免疫疫苗的選擇策略和免疫算子的構(gòu)造方法，理論分析和對(duì)TSP問題的仿真結(jié)果表明免疫算法不僅是有效的而且也是可行的，并較好地解決了遺傳算法中的退化問題。immune.m%這是免疫算法。這個(gè)算法幾乎與遺傳算法一樣，只是多用了一個(gè)免疫函數(shù)%免疫算法是遺傳算法的變體，它不用雜交，而是采用注入疫苗的方法。%疫苗是優(yōu)

5、秀染色體中的一段基因，把疫苗接種到其它染色體中%注意：標(biāo)準(zhǔn)遺傳算法的一個(gè)重要概念是，染色體是可能解的2進(jìn)制順序號(hào)，由這個(gè)序號(hào)在可能解的集合(解空間)中找到可能解%這是免疫算法的主程序，它需要調(diào)用的函數(shù)如下。%接種疫苗函數(shù)：%function inoculateChromosome=immunity(chromosomeGroup,bacterinChromosome,parameter)%parameter:1,隨機(jī)制取染色體接種。2，每個(gè)染色體都接種。3，每個(gè)染色體都接種，但接種的位置是隨機(jī)的%這個(gè)函數(shù)實(shí)現(xiàn)對(duì)染色體的疫苗接種%由染色體(可能解的2進(jìn)制)順序號(hào)找到可能解：%x=chromoso

6、me_x(fatherChromosomeGroup,oneDimensionSet,solutionSum);%把解代入非線性方程組計(jì)算誤差函數(shù)：functionError=nonLinearSumError1(x);%判定程是否得解函數(shù)：solution,isTrue=isSolution(x,funtionError,solutionSumError);%選擇最優(yōu)染色體函數(shù)：%bestChromosome,leastFunctionError=best_worstChromosome(fatherChromosomeGroup,functionError);%誤差比較函數(shù)：從兩個(gè)染色體中

7、，選出誤差較小的染色體%holdBestChromosome,holdLeastFunctionError.% =compareBestChromosome(holdBestChromosome,holdLeastFunctionError,.% bestChromosome,leastFuntionError)%為染色體定義概率函數(shù)，好的染色體概率高，壞染色體概率低%p=chromosomeProbability(functionError);%按概率選擇染色體函數(shù)：%slecteChromosomeGroup=selecteChromome(fatherChromosomeGroup,p)

8、;%父代染色體雜交產(chǎn)生子代染色體函數(shù)%sonChrmosomeGroup=crossChromosome(slecteChromosomeGroup,2);%防止染色體超出解空間的函數(shù)%chromosomeGroup=checkSequence(chromosomeGroup,solutionSum)%變異函數(shù)therChromosomeGroup=varianceCh(sonChromosomeGroup,0.8,solutionN);%通過實(shí)驗(yàn)有如下結(jié)果：%1。染色體應(yīng)當(dāng)多一些%2。通過概率選擇染色體，在迭代早期會(huì)有效選出優(yōu)秀的染色體，使解的誤差迅速降低，%但隨著迭代的進(jìn)行，概率選擇也會(huì)導(dǎo)

9、致某種染色體在基因池中迅速增加，使染色體趨同，%這就減少了物種的多樣性，反而難以逼近解%3。不用概率選擇，僅采用染色體雜交，采用保留優(yōu)秀染色體，也可以得到解%4。單純免疫效果不好，雜交+免疫效果比較好%程序開始運(yùn)行clear,clc;%清理內(nèi)存，清屏circleN=200;%迭代次數(shù)format long%構(gòu)造可能解的空間，確定染色體的個(gè)數(shù)、長(zhǎng)度solutionSum=4;leftBoundary=-10;rightBoundary=10;distance=1;chromosomeSum=500;solutionSumError=0.1;%solutionSum:非線性方程組的元數(shù)(待解變量的

10、個(gè)數(shù))；leftBoundary:可能解的左邊界；%rightBoundary:可能解的右邊界；distance:可能解的間隔，也是解的精度%chromosomeSum:染色體的個(gè)數(shù)；solveSumError:解的誤差oneDimensionSet=leftBoundary:distance:rightBoundary;%oneDimensionSet:可能解在一個(gè)數(shù)軸(維)上的集合oneDimensionSetN=size(oneDimensionSet,2);%返回oneDimensionSet中的元素個(gè)數(shù)solutionN=oneDimensionSetNsolutionSum;%解空

11、間(解集合)中可能解的總數(shù)binSolutionN=dec2bin(solutionN);%把可能解的總數(shù)轉(zhuǎn)換成二進(jìn)制數(shù)chromosomeLength=size(binSolutionN,2);%由解空間中可能解的總數(shù)(二進(jìn)制數(shù))計(jì)算染色體的長(zhǎng)度%程序初始化%隨機(jī)生成初始可能解的順序號(hào),+1是為了防止出現(xiàn)0順序號(hào)solutionSequence=fix(rand(chromosomeSum,1)*solutionN)+1;for i=1:chromosomeSum%防止解的順序號(hào)超出解的個(gè)數(shù)if solutionSequence(i)>solutionN;solutionSequenc

12、e(i)=solutionN;endend%染色體是解集合中的序號(hào),它對(duì)應(yīng)一個(gè)可能解%把解的十進(jìn)制序號(hào)轉(zhuǎn)成二進(jìn)制序號(hào)fatherChromosomeGroup=dec2bin(solutionSequence,chromosomeLength);holdLeastFunctionError=Inf;%可能解的最小誤差的初值holdBestChromosome=0;%對(duì)應(yīng)最小誤差的染色體的初值%開始計(jì)算compute=1;circle=0;while compute%開始迭代求解%1:由可能解的序號(hào)尋找解本身(關(guān)鍵步驟)x=chromosome_x(fatherChromosomeGroup,o

13、neDimensionSet,solutionSum);%2：把解代入非線性方程計(jì)算誤差functionError=nonLinearSumError1(x);%把解代入方程計(jì)算誤差solution,minError,isTrue=isSolution(x,functionError,solutionSumError);%isSolution函數(shù)根據(jù)誤差functionError判定方程是否已經(jīng)解開，isTrue=1,方程得解。solution是方程的解if isTrue=1'方程得解'solutionminErrorreturn%結(jié)束程序end%3：選擇最好解對(duì)應(yīng)的最優(yōu)染色體

14、bestChromosome,leastFunctionError=best_worstChromosome(fatherChromosomeGroup,functionError);%4：保留每次迭代產(chǎn)生的最好的染色體%本次最好解與上次最好解進(jìn)行比較，如果上次最好解優(yōu)于本次最好解，保留上次最好解；%反之，保留本次最好解。保留的最好染色體放在holdBestChromosome中holdBestChromosome,holdLeastFunctionError.=compareBestChromosome(holdBestChromosome,holdLeastFunctionError,.b

15、estChromosome,leastFunctionError);circle=circle+1%minError%solutionholdLeastFunctionErrorif circle>circleNreturnend%5:把保留的最好的染色體holdBestChromosome加入到染色體群中order=round(rand(1)*chromosomeSum);if order=0order=1;endfatherChromosomeGroup(order,:)=holdBestChromosome;functionError(order)=holdLeastFunctio

16、nError;%6:為每一條染色體(即可能解的序號(hào))定義一個(gè)概率(關(guān)鍵步驟)%好的染色體概率高，壞的概率低。依據(jù)誤差functionError計(jì)算概率p,trueP=chromosomeProbability(functionError);if trueP ='Fail''可能解嚴(yán)重不適應(yīng)方程，請(qǐng)重新開始'return%結(jié)束程序end%7：按照概率篩選染色體(關(guān)鍵步驟)=bin2dec(fatherChromosomeGroup)%顯示父染色體%從父染體中選擇優(yōu)秀染色體%selecteChromosomeGroup=selecteChromosome(fathe

17、rChromosomeGroup,p);%8：染色體雜交(關(guān)鍵步驟)%sle=bin2dec(selecteChromosomeGroup)%顯示選擇出來(lái)的解的序號(hào)(染色體)%用概率篩選出的染色體selecteChromosomeGroup進(jìn)行雜交，產(chǎn)生子代染色體%sonChromosomeGroup=crossChromosome(selecteChromosomeGroup,2);%不用概率篩選出的染色體selecteChromosomeGroup進(jìn)行雜交，而直接用上一代(父代)的sonChromosomeGroup=crossChromosome(fatherChromosomeGrou

18、p,2);%sonChromosomeGroup=immunity(fatherChromosomeGroup,holdBestChromosome,3);%把疫苗接種到其它染色體中sonChromosomeGroup=immunity(sonChromosomeGroup,holdBestChromosome,3);%cro=bin2dec(sonChromosomeGroup)%顯示雜交后的子代染色體sonChromosomeGroup=checkSequence(sonChromosomeGroup,solutionN);%檢查雜交后的染色體是否越界%9：變異%不雜交直接變異therCh

19、romosomeGroup=varianceCh(fatherChromosomeGroup,0.1,solutionN);%雜交后變異fatherChromosomeGroup=varianceCh(sonChromosomeGroup,0.5,solutionN);fatherChromosomeGroup=checkSequence(fatherChromosomeGroup,solutionN);%檢查變異后的染色體是否越界end接種疫苗函數(shù)，這是和遺傳算法唯一不同的函數(shù)，可以用它代替染色體的交叉操作。%chromosomeGroup:染色體組chterinChromosome:疫苗染

20、色體，即最好的染色體。從這個(gè)染色體上取疫苗%parameter:接種疫苗的參數(shù)，即用什么方法接種%inoculateChromosome:接種疫苗后的染色體function inoculateChromosome=immunity(chromosomeGroup,bacterinChromosome,parameter)chromosomeGroupSum,chromosomeLength=size(chromosomeGroup);row,bacterinChromosomeLength=size(bacterinChromosome);%chromosomeGroupSum:染色體的條數(shù)；

21、chromosomeLength：染色體的長(zhǎng)度switch parametercase 1%隨機(jī)選擇染色體進(jìn)行接種for i=1:chromosomeGroupSum%從疫苗染色體上定位疫苗headDot=fix(rand(1)*bacterinChromosomeLength);%疫苗在染色體上左邊的點(diǎn)位if headDot=0%防止出現(xiàn)0點(diǎn)位headDot=1;endtailDot=fix(rand(1)*bacterinChromosomeLength);%疫苗在染色體上右邊的點(diǎn)位if tailDot=0%防止出現(xiàn)0點(diǎn)位tailDot=1;endif tailDot>headDot

22、%防止右邊的點(diǎn)位大于左邊的點(diǎn)位dot=headDot;headDot=tailDot;tailDot=dot;end%接種randChromosomeSequence=round(rand(1)*chromosomeGroupSum);%隨機(jī)產(chǎn)生1條染色體的序號(hào)，對(duì)這條染色體進(jìn)行接種if randChromosomeSequence=0%防止產(chǎn)生0序號(hào)randChromosomeSequence=1;endinoculateChromosome(i,:).%先把輸入染色體傳給輸出=chromosomeGroup(randChromosomeSequence,:);%執(zhí)行免疫，即從疫苗染色體上取

23、出一段基因做疫苗，再注入到其它染色體中inoculateChromosome(i,headDot:tailDot).=bacterinChromosome(1,headDot:tailDot);endcase 2 %所有染色體挨個(gè)接種for i=1:chromosomeGroupSum%從疫苗染色體上定位疫苗headDot=fix(rand(1)*bacterinChromosomeLength);%疫苗在染色體上左邊的點(diǎn)位if headDot=0%防止出現(xiàn)0點(diǎn)位headDot=1;endtailDot=fix(rand(1)*bacterinChromosomeLength);%疫苗在染色體

24、上右邊的點(diǎn)位if tailDot=0%防止出現(xiàn)0點(diǎn)位tailDot=1;endif tailDot>headDot%防止右邊的點(diǎn)位大于左邊的點(diǎn)位dot=headDot;headDot=tailDot;tailDot=dot;end%接種inoculateChromosome(i,:)=chromosomeGroup(i,:);%先把輸入染色體傳給輸出%執(zhí)行免疫，即從疫苗染色體上取出一段基因做疫苗，再注入到其它染色體中inoculateChromosome(i,headDot:tailDot).=bacterinChromosome(1,headDot:tailDot);endcase 3 %接種位置是隨機(jī)的for i=1:chromosomeGroupSum%從疫苗染色體上定位疫苗headDot=fix(rand(1)*bacterinChromosomeLength);%疫苗在染色體上左邊的點(diǎn)位if headDot=0%防止出現(xiàn)0點(diǎn)位headDot=1;endtailDot=fix(rand(1)*bacterinChromosomeLength);%疫苗在染色體上右邊的點(diǎn)位if tailDot=0%防止出現(xiàn)0點(diǎn)位tailDot=1;endif tailDot>headDo