文档介绍:免疫算法实例
免疫算法实例
1/8
免疫算法实例
智能控制课程综合报告
.95;
图4-1适应度曲线
图4-2选址方案
最后,结果选址方案是[5,25,18,9,12,27],如图中所标,可以看出免疫算法
有
较好的收敛性。
免疫算法实例
免疫算法实例
9/8
免疫算法实例
算法应用展望
免疫算法实例
免疫算法实例
8/8
免疫算法实例
免疫算法能够增强系统的鲁棒性,从选址的模型上看,免疫算法就是解决了最优花费的一个聚类,因此,希望在后期的研究中能应用在多模式分类问题上。
附录:
Matlab求解的主程序:
%%算法基本参数
sizepop=50;
%
种群规模
overbest=10;
%
记忆库容量
MAXGEN=100;
%
迭代次数
pcross=;
%
交叉概率
pmutation=;
%
变异概率
ps=;
%
多样性评价参数
length=6;
%
配送中心数
M=sizepop+overbest;
step1识别抗原,将种群信息定义为一个结构体
individuals=struct('fitness',zeros(1,M),
'concentration',zeros(1,M),'excellence',zeros(1,M),'chrom',[]);
step2产生初始抗体群
=popinit(M,length);
trace=[];%记录每代最个体优适应度和平均适应度
%%迭代寻优
foriii=1:MAXGEN
%%step3抗体群多样性评价
fori=1:M
(i)=fitness((i,:));%抗体与抗原
亲和度(适应度值)计算
(i)=concentration(i,M,individuals);%抗体浓
度计算
end
综合亲和度和浓度评价抗体优秀程度,得出繁殖概率
=excellence(individuals,M,ps);
记录当代最佳个体和种群平均适应度
[best,index]=min();
%
找出最优适应度
bestchrom=(