基于克隆选择算法的布局分配问题研究

2 布局分配问题的遗传克隆选择算法求解 .
对于一般的布局分配问题, 可以用线性规划方 法求得全局性的最佳结果, 但由于其计算量大, 在实 际应用中常用一些启发式算法来逼近最佳结果. 比较著名的算法有 Ti-a 算法和全局和区 ez r tB t
即 一解
4 5 6 7 8 9 10 H 12 13 14 15
遗传克隆选择算法解决布局分配问题流程
域性算法(o l r ia , gb a eo l称为Dn a-u - la n gn ) d e hmRs s h
t 算法, o n 算法详细流程参见文献〔,了 45.
此 还有混合进化方法(E ) n, , 外, H M (o Gn Gg e
X 和 Y m z i 19) u a a k等,97 和选择布局一 a 分配( L , AA
计算结果
误差%
计算结果
误差 %
计算结果
21 1 2 5. 1 2 1 2. 91 4 2 2
来自百度文库误差 %
0. 0 0. 0 0. 0 0. 0
计算结果
误差%
2 9. 5 5 3 1 2 9 2. 2 1 4. 7 4 8 24 . 7 11 1 5. 5 8 . 9 1 4 8 1 6
免疫球蛋白基因重排的真实的生物学机理是复杂 的, 它比遗传过程父个体间的基因交叉重组要复杂 得多, 遗传过程是两个个体等长基因的交叉, 而免疫 球蛋白基因重排是分别从基因的不同片段中抽取一 部分组成新的结构.但我们可以用基因交叉操作来 部分体现免疫球蛋白的基因重排.所以, 笔者认为, 在克隆选择算法中, 应该用基因交叉( 重组) 来更好 地体现抗体的多样性.在以后进一步研究中, 可以 设计更加科学的接近真实免疫机制的算法模型. 这样, D Cso e t 和 V n e 提出的克隆选 在 ar o Zbn u 择算法的基础上, 笔者结合 自己对免疫系统克隆选 择过程的理解, 提出遗传克隆选择算法( L G ) CO Ao
二 ., 04进行对每个个体作等权克隆处理. 变异率取
p 00.为了 抗体的 样性, 机插人一些 m二 . , 6 保持 多 随 新 体 换 通 体. 换 d 01 迭 次 个 替 普 抗 替 率p = . 代 数 .
gn=10 e 00
表2 是采用遗传克隆选择算法的计算结果与其 他方法计算结果的比较.A A是选择布局一 L 分配方 法, E H M是混合进化方法, L N L C O A G是采用克隆 选择算法的结果.表中, L A A和 H M 的结果来 自 E
确定用户区域
二, 基于遗传克隆选择算法(L G ) CO A 的
布局分配 问题研 究 1 布局分配问题( ctn lctn的概述 . l ao- l a o) o i ao i 在 GS I空间分析中, 网络分析 占有重要地位. GS I 网络分析中, 比较典型的问题是最短路径选择 问题, 地理网络流的最优化问题和定位与分配问题. 现今流行的 GS I 商品化软件都包含了这些问题的 一些分析模块, AcIf等.一些 GS 如 r n / o I 专著中也
到 17 年利根川等人的实验证明基因重排( a- 96 rr e
r g et a e n 是导致免疫球蛋白 nm ) 多样性的主要原因.
生物机体通过各种机制, 形成了抗体类型的多 样性. 抗体多样性的产生主要有以下几方面的机 制: 种系内多个 V基因的存在; 基因片段随机重组; H链与 L 链的随机结合; 连接和插人的多样性; 体 细胞突变等. 基于以上机理, 笔者认为在设计克隆选择算法 时应该把基因重排考虑进去.因为从生物免疫学角 度来看, 变异和突变只能体现抗体的部分多样性.
ae av lao a ci ) lr te tn l ao 方法 ( o e L tn i o i-l tn c o Co r . p ,
16 ) 93 .
笔者扩展克隆选择算法得到的遗传克隆选择算 法, 可以克服遗传算法的一些弱点, 用来进行布局分 配问题的实验研究, 可以检验其效果.据此, 我们提 出遗传克隆选择算法解决一般无约束布局分配问题 的流程, 2 见图 0
Vn e 1 9 0 ), 据克 选择理 本 oZb ( 9, 0 E 〕 u n 9 2 0 1依 隆 2 论基
原理, 提出了克隆选择算法(L N L , aS- C O A GC n e l l o ltn cl . ei Pnp ) 该算法重点强调了当 co r ie i 今免疫系统
研究已经证实了的一个证据, 即通过在生物体内部 累积变异和选择, 可以实现个体发育的适应性变化 的成功.所以他们提出的 C O A G模型没有采 LNL 用交叉( 重组) 操作, 而只用了克隆, 变异和部分新个 体的补充等操作. 抗原有多种多样, 抗体只有保持多样性才能使 任何人侵的抗原几乎都能被识别.由生物免疫系统
其基本流程图 如图 t o
研 知 「, aid) 称免疫球蛋白( , 究 道'抗体( to 又 〕 nb y I g
im ngbl) 免疫球蛋白 m uooun. l i 是具有抗原决定簇结
合特异性的多种多样球蛋白分子的总称, 多样性是 免疫球蛋白的重要特点.最早的理论认为体细胞变
异( mt v ii ) s ac ao 是形成抗体多样性的基础.直 o i a tn r
摘要: 人工免疫系统的研究引起人 们高度的重视.首先对克隆选择算法进行扩展和改进, 然后应用改进克隆选择算法对一般布局
分配问题进行实验研究, 得到满意的效果.
关键词: 人工免疫系统; 克隆选择算法; 布局分配
一, 克隆选择算法的扩展, 改进
近年来, 人工免疫系统( I, fi im n ASAtcl ue ri m ia s t ) 研究逐渐引起人们的重视.D Cs. ye 的 sm e t 和 ar
1 2 7 7 1 .8 8
9 1 9 7. 8 8
1 2. 4 8 0 1 6 6 0. 9 0 0 95 . 7. 00 8 . 5 5 0. 0 5 0 1
9 2 7 21 9. 9 29 4 3 . 9 7. 8 8 7 2 34 4. 8 .6 0 2 . 6 124 4 7. 2 4 78 3 7. 7 0 32 2 4.4 5 18 2 0. 5 2 07
些例子为测试提出的算法的有效性提供了一个好的 标准, 因为他们的全局优化解已知.原始数据取 自 参考文献仁]见表 1 7, . 我们应用遗传克隆选择算法和克隆选择算法来 解决这个问题.
用户数选取 5 0 1 和 3 个两种情况, 设施数分别
选择 23456 ,,,, 个进行研究.假定设施无能力限
2 4. 8 1 2 43 0.0 5 0 1 1 3. 0 8 0. 0 1 4 2 5 0 6
1 3. 8 7 1 5 8
0. 8 3 79 2 5. 1 2 3 7 1 1 2 0. 8 9
1 2. 8 4 0 4 2 6 0.
0. 1 2 0 8 0. 8 2 43
2. 4 1
文献「) 7.从计算结果看, 遗传克隆选择算法大部分 都达到了最优 目标, 而且计算时间也较少, 一般在 10 0 代内就找到最优解, 计算结果几乎都超过了其 他方法.这里需要指出的是, 在采用克隆选择算法 时, 由于在一致的参数条件下达不到所求结果, 所 以, 针对不同的设施, 3/ , / , / 等, 如 043 61 4 分别采 0 5 取了不同的参数才达到如表 2 所示的结果, 如增加 迭代次数, 改变克隆扩张系数等.即使这样, 它的计 算结果还没有采用遗传克隆选择算法进行计算的结 果好, 从这个角度说, 扩展的遗传克隆选择算法 (L G ) C O A 是比较成功的.
随机产生初始群体 ( 二进制串或实数 )
对这些问 题进行了 算法模型的 介绍[ 6 4] 一0
实际生产生活中会经常遇到布局分配问题.比 如在城市的一个城区, 口分布已知的条件下, 人 如何 布置学校的位置, 可以使得学校在能力允许条件下, 使得每个要读书的学生得到最便利的服务.这就是 一个能力约束的布局分配问题. 布局一 分配问题模型描述见文献「1 70
2 4 4 R } , . 2 飞 } 介 」 气j ~, ) , 1 , '
Y 一8 34 8 26 9 20 17 2 41 13 17
3 50 40 45
3 0
进 不同 行了 程度的 探索. 其中Co r on 提 o e和Rsg p i 供了 试数据.Co r 测 o e细心构造了包括3 然 p 个自 组的 前一半数据,on 在任意点增加顾客数. Rsg i 这
测绘信息网http:/www.othermap.com网友测绘人提供
20 04年 第 I期 I
测 绘 通 报
文章编号 :440 1(0 4 1-070 09-9 120 ) 1 1-3 0
中图分类号:271 P0 .
文献标识码: B
基于克隆选择算法的布局分配问题研究
梁勤欧, 祝国瑞
测绘信息网http:/www.othermap.com网友测绘人提供
20 年 第 1 期 04 1
测 绘 通 报
操作方 我 便, 们把评估函数转换成求f d 二一 的最
大值.交叉重组( 克隆选择算法没有这个步骤) 采用
优 交 方 交 率P二 . 克 扩 数c 势 叉 法, 叉 C 0 . 隆 张系 g 5
( 武汉大学 资源与环境科学学院, 湖北 武汉 407 ) 309
Rs r o Lctnaoao Pol Bs o CoaSl tn nie e ac n ao-l tn b m e n nl co Pi p e h o i lc i r e a d l e i rcl e
LA G no ,H G ori I N Q -uZ U - i u u
表 2 计算结果比较
问题
1/ 52 1/ 53 1/ 54 1/ 55
Rsg on方法 i
2 4. 8 1 1 2 1 3. 9 4 17 1 3. 6 1 58
ALA
HEM
CL ONALG
CLOGA
( 用户/ 设施) 的最优 目标
三, 实验研究
利用已有的实验数据, 进行对比分析, 可以发现 算法模型的优劣.国内外许多学者对布局分配问题
表1 o r o 的实 坐标 C p 和Rs oe 吨 例 x x 序号 -5 -53 1 6 5 1 1 7 5 3 1 8 13 3 1 9 12 19 17 2 0 13 39 53 2 1 28 37 24 2 2 21 45 40 2 3 25 50 2 2 4 31 9 7 2 5 39 2 5 2 6 39 了0 9 2 7 45 2 0 2 8 41 0 成 U 2 9 49 ). Z .且
图 I 遗传克隆选择算法的流程
收稿日 20- - 期: 04 2 3 02 作者简介: 梁勤欧(98)男, 16-, 内蒙古呼和浩特人, 博士, 讲师, 主要从事空间信息系统模型算法设计与应用的研究.
测绘信息网http:/www.othermap.com网友测绘人提供
测 绘 通 报
20 年 第 1 期 04 1
制, 这样就可以采取距离最近原则分配用户.同时 也假定没有其他限制条件. 遗传克隆选择算法具体参数设置: 操作系统 Wi o 00 o soa 赛 洋 33 18 B内存. n s 0 P f snl d2 re i , 3 , M 2 编码采用二进制, 为了研究效果, 精确度为 6 位小 数, 所以, 每一个 2 位二进制代表一个横坐标或纵 2 坐标.初始个体为 10 0.亲和力评估函数为设施到 各自服务用户的总距离和 d .由于是求最小值, 为