文摘
英文文摘
第一章绪论
1.1引言
1.2国内外GA研究动态
1.3 GA的缺陷及其改进思路
1.4本文所做工作及内容组织
第二章免疫系统及免疫算法的进化机理剖析
2.1免疫算法的生物学基础
2.1.1免疫与免疫系统
2.1.2免疫系统的特点
2.1.3免疫系统和中枢神经系统比较
2.2人工免疫网络主要研究的领域
2.2.1免疫系统的建模
2.2.2人工免疫系统解决模式识别问题
2.2.3人工免疫系统的学习和进化
2.2.4基于免疫原理的优化算法
2.3免疫算法(IA)
2.3.1基于信息熵的免疫算法
2.3.2免疫规划
2.3.3免疫遗传算法
2.3.4否定选择算法
2.4免疫算法在组合优化中的应用研究
第三章单亲遗传算法剖析
3.1自然进化和遗传算法
3.1.1遗传算法的描述
3.1.2遗传算法的遗传算子及其作用
3.1.3遗传算法的特点
3.2单亲遗传算法(PGA)的描述
3.2.1 PGA的编码方式
3.2.2 PGA的遗传算子
3.2.3 PGA的“准早熟收敛”问题及对策
3.2.4 PGA的运行过程
3.3单亲遗传算法的进化机理剖析
3.3.1基因换位算子的作用
3.3.2基因移位算子和基因倒位算子的作用
3.3.3基因重组算子的比较研究
3.3.4基因突变算子的作用分析
3.3.5提高PGA计算效率的措施
3.4单亲遗传算法与传统遗传算法的比较分析
3.4.1编码方式的比较
3.4.2遗传算子的比较
3.4.3运行过程的比较
3.4.4适应值计算的比较
3.5单亲遗传算法的优缺点剖析
3.5.1 PGA的优点剖析
3.5.2 PGA的不足之处剖析
第四章一种基于免疫思想的改进单亲遗传算法
4.1引言
4.2基于免疫思想的改进单亲遗传算法
4.2.1算法一般计算过程
4.2.2抗体的差异与亲和力
4.2.3抗体浓度
4.2.4抗体的促进与抑制
4.2.5终止条件
4.3单亲遗传算子的改进与设计
4.3.1基因换位算子的改进与设计
4.3.2基因移位算子的改进与设计
4.3.3基因倒位算子的改进与设计
4.4算法关键参数
4.4.1抗体种群规模
4.4.2抗体浓度阈值
4.4.3变异率
4.4.4记忆库规模
4.5 IPGA与PGA的比较研究
4.6 IPGA的收敛性分析
4.6.1数学准备
4.6.2 IPGA的Markov链分析
第五章IPGA的应用研究
5.1概述
5.1.1组合优化问题
5.1.2 TSP问题的数学描述
5.2算法设计及其MATLAB实现
5.2.1抗体编码及适应度函数
5.2.2抗体记忆细胞群
5.2.3初始群体产生
5.2.4新抗体生成
5.2.5基于浓度的群体更新
5.3单亲遗传算子对适应值计算的影响
5.3.1基因换位算子对适应值计算式的影响
5.3.2基因移位算子对适应值计算式的影响
5.3.3基因倒位算子对适应值计算式的影响
5.4仿真实例和结论
5.4.1中国31城市的TSP问题
5.4.2中国144城市的TSP问题
5.4.3结论
第六章结束语
致谢
参考文献
附录(读研期间的科研工作情况及所发论文)