人工免疫网络算法的改进研究

人工 免疫 网络算法 的改进研 究
徐 艳
（ 电子科技 大学成都学院
６ １ １ ７ ３ １ ）
摘要 ： 本文将禁 忌搜 索算法的禁忌表 、 记忆表及进化方 向表 引入到人工免疫 网络算 法中， 改善 了算 法的全局收敛性和局部 极 值搜索能力 。
关键词 ： 禁忌搜索算法、 人工免疫网络算法
鉴 于 生 物 免 疫 系 统 具 有 高 度 自适 应 的 协 调 自治 系 统 ， 且 其 对复杂 问题 的处理具有非常大 的优势 ， 其 与当前应用 中所需要 的 功 能相 吻合 ， 故仿照生物进化特 性而提出的人 工免疫网络算法在 智 能计算 、 网络优化、 模式识别等领域得到 了广泛 的应用 。 该算法 可 以根据 问题进行 学习， 进而利用其强大的处理功能对信 息进行 处理 ， 获得优化 问题的最优解 。 在人 工免疫算法 中， 函数优化 的 目 的在 于在指 定范围内获得 目标 函数 的最优解 ， 该过程类似 于抗体 群 体对抗 原进行 识别 并获得抗 原所对应 的求解的 问题 。 本文提 出了一种改进 的人工免疫 网络算法对 复杂 函数进行 优 化求解， 该算法借鉴禁忌搜索算法 的思想 ， 引入禁忌表 、 记忆表 及 搜索方 向表， 以改善人工免疫 网络算法在优 良状态记忆方面和 搜索复杂度 方面的存 在的不足 。
Ｔｈｅ ｉ ｍｐｒ ｏ ｖ ｅ ｍｅ ｎｔ ｏ ｆ ａ ｒ ｔ ｉ ｉｃ ｆ ａ ｌ ｉ ｍｍｕ ｎｅ ｎｅ ｔ ｗｏ ｒ ｋ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ
Ｘ ｕ Ｙ ａ ｎ
（ Ｃ ｈ ｅ ｎ ｇ Ｄ ｕ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ６ １ １ ７ ３ １ ）
Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ｔ ｈｉ ｓ ｐ ａ ｐ ｅ ｒ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｔ ｈ ｅ Ｔ ａ ｂ ｕ Ｓ ｅ ａ ｒ ｃ ｈ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｔ ａ ｂ ｏ ｏ ｔ ａ ｂｌ ｅ ， ｍ ｅ ｍ ｏ ｒ ｙ ｔ ａ ｂ ｌ ｅ ａ ｎ ｄ ｅ ｖ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ａ ｒ ｙ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｔ ａ ｂ ｌ ｅ ｔ ｏ ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ ｉ ｍ ｍ ｕ ｎ ｅ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｔ ｏ ｉ ｍ ｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ｇ ｌ ｏ ｂ ａ ｌ ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｎ ｃ ｅ ｏ ｆ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
工程实用 中， 随着新要求和新特性 的出现 ， 在数据和函数优 化、 神经元结构优化 、 系统识别、 图像处理 中不仅需要获得确定 问 题 目标 函数 的最优 解， 还 要获 得多数 局部 问题 目标 函数 的最优 解， 该类 问题 的共 同特征是 目标 函数具有较 多的局部最优解 ， 而 全局最优 解不确定 。 对于该类 问题， 传 统的数值优化算法 已经无 法满足 求解要求 ， 因此需要采用 其他算法进行 求解， 如适应度分 享法 、 子群法 等都被用来对 目标函数进行最优解 搜索 ， 但 是该类 算法在搜索结果和对复杂数据的求解能力方面还 不够 理想 。
一
２ 改进的人工免疫 网络算法
２ ． １ 改进 策 略 本文将禁忌搜索算法 的搜索特性 引入 到人工免疫 网络算 法
中， 改善该算法在数据搜索中所具有的缺陷。 具体实现方式如下 ： 在 人 工 免 疫 网络 中 引 入 禁 忌 准 则 ， 设 定 特 定 区 域 为 禁 忌 配 表， 避 免在搜索过程 中出现迂 回搜索 ， 同时设定特赦准则 ， 对具有 优 良状态 的搜索操作进行 释放 ， 从而改善搜索特性 ， 增强搜 索的 准确性 。 当人工 免疫网络在 随机 生成细胞 时， 算法会对该细胞 进 行范 围判定 ， 若 该细胞进入禁忌邻域则取消该细胞进入网络的操 作， 当细胞 禁忌次数超过 限定 阈值 时， 释放 该细胞 。 通过该种方式 可 以确保 随机细 胞生成 具有最优 的分布 性， 消除迂 回搜索 出现 的概率 ， 提 高 算法 搜索速 度和 改 善峰 值搜 索精 度 ， 加 快算法 收 敛速度 。 改进算法对 成熟细胞 的免疫记忆机 制进行模拟 ， 免 疫细胞 通 过在 固定 生命 周期 Ｔ内对 抗 原进行 记忆， 提高 与抗原 的亲和 力。 若在其生命周期 内若可以获得足够 的亲和力则该细胞转换为 记忆细胞 ， 若在其生命周期 内免疫细胞 未获得足够 的亲和力则该 细胞死 亡， 算法生成新的随机细胞， 该细胞进入亲和力积累循环 。 经过多次循环 ， 免疫 网络中的细胞群均 具有免疫记忆功 能， 实现 对抗原的免疫。 鉴于基本人工免疫 网络中的优秀个体 无法得 到保 存， 算 法中 出现 的优秀特 征无法获得 持续性保存 ， 故可 以在人 工 免 疫 网络 中 增 加 一 个 记 忆 表 对 符 合 网 络 特 性 的 记忆 细 胞 进 行 保 存， 若后续过程 中出现 性能更加优 良的细胞， 则 用该细胞替换 其
ａ ｎ ｄ ｔ ｈ ｅ ｌ ｏ ｃ ａ ｌ ｅ ｘ ｔ ｒ ｅ ｍ ｕ ｍ ｓ ｅ ａ ｒ ｃ ｈ ｃ ａ ｐ ａ ｂ ｉ ｌ ｉ ｔ ｉ ｅ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄｓ ：ｔ ａ ｂ ｕ ｓ ｅ ａ ｒ ｃ ｈ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｓ ，ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ ｉ ｍｕ ｎ ｅ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
思想引入到人工免疫算法 中， 以提高算法 的性 能。
２
索方式 为， 对全 局数据依据 抗体细胞 的 特性进行 启发式数据 寻优 ， 可优化 流程排序， 实现过程 的 自适应 选择 。 其 中， 该搜索算法 的核心技术为邻 域函数、 禁 忌配 表、 候选 解和特赦准则 。 邻域 函数主 要用 于对特 定问题 和数据求解所 需的数据表达 方式进 行设定 ， 通过该 函数可 以 由现有解获得新 的解。 该函数的 表达式需要根据具体情况进行确定。 禁忌表则用来限定搜索操作 的方向， 列入禁 忌表 中的搜索 方 向无法进入下 一步搜索过程 ， 该 表 可 以 防止 出现 因迂 回搜 索 而 出现 的 搜 索 错 误 和 数据 溢 出 。 禁 忌 表会 记录最近几 次的搜索操作 ， 避免这些操作 出现重复 ， 经 过 设 定次数操作后 ， 最近几次操 作被释放到禁 忌表 的末端 ， 可重新参 与运 算。 候选解则是根据 当前状态 中所 出现 的一些优选解组成 的 组解， 其具有后续搜索方 向性能优 良、 数据适当等特性 。 而特赦 准则则是当 目标值 出现较大幅度下 降时而采取 的措施， 在 出现上 述情况 时， 禁忌表 中数据 会重新进行选取 ， 以便于 获得全局最优 解， 实现性能的优化 。