资源描述：
《基于免疫机制的蚁群遗传算法设计开题报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、本文档系作者精心整理编辑，实用价值高。毕业设计开题报告题 目基于免疫机制的蚁群遗传算法设计专业计算机科学与技术班级计0901-1学生姓名温晋杰一．选题依据立题主旨在于将生物仿生学与计算机科学人工智能方向相结合，具体应用到智能算法中，体现出多学科领域融合的思想和多学科交叉的思想，并应用于路径寻优。在现实生活中路径寻优算法应用广泛。具体的应用有通信线路检测抢修、变配电所地址的选取、机器人走迷宫、地图导航等。蚁群算法（AntColonyOptimization,ACO），又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由MarcoDor
2、igo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,有研究表明该算法具有许多优良的性质.，将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。免疫系统具有分布性、自适应性、群体多样性、自组织以及快速应答的记忆特性等特点，模拟其功能而开发的人工免疫计算系统能解决大量的非线性问题。用免疫算法解决工程问题也引起了广大计算机智能学者的极大关注。自然免疫系统所使用的学习/自适应机制能够连续产生负责检测盒破坏外部分子
3、的新抗体种类，而抗体多样性是其病原体能力识别的关键。人工免疫算法（A]A）模拟了自然免疫系统基于浓度的抗体繁殖策略，对浓度较大的解进行移植，浓度较小的解进行促进，从而有效了解群的多样性防止了成熟前收敛。人工免疫系统成功的应用与很多问题领域。这些领域包括网络入侵和异常检测、数据分类，病毒检测、概念学习机器人学等领域。蚁群优化算法结合免疫机制，用于解决组合优化问题。将其用于解决路径寻优问题，具有良好的全局寻优性能，在组合优化问题中有较大的应用潜力。二．课题背景蚁群算法的意义：在当今社会中，随着人工智能（ArtificialIntelligenc
4、e，AI）和网络技术的飞速发展，科学技术与其他的多种学科相互交叉，相互渗透和融合，不仅给人们的生活、学习和工作等方面带了便利，而且也从根本上改变了人类的生活和生产。与此同时，随着人类生活空间的不断扩大和对世界认识水平的不断提高，人们又对科学技术的发展提出了更高、更多的要求，期待着更多的研究学者对它进行不断的研究和提高，其中高效的优化技术和智能计算的要求也进一步的迫切需求。为了提高优化技术水平和智能计算的发展，近些年来有很多的研究学者，特别是在生物方面的研究专家和学者，通过对大自然中很多生物的生活现象和规律进行了大量的研究和探讨，提出了很多的
5、群体智能算法。它们是一种基于生物信息系统的智能仿生算法，学者们是对社会性昆虫相互合作进行工作的研究，从生物进化和仿生学角度受到启发而提出的。众所周知，社会性昆虫如蜜蜂，蚂蚁等，虽然其单个个体的力量很小，行为方式很简单、随机，但是它们却可以凭借集体的力量进行一些复杂的社会性活动，来更好的完成单个个体很难甚至不能完成的行为或活动，如它们可以通过社会分工等方式来更快的找到食物，共同的建造巢穴和防止外敌入侵等等。这种群体所表现出来的“智能”，就可以称之为群体智能（SwarmIntelligence，SI）。群体智能中的群体(Swarm)是指“本文档
6、系作者精心整理编辑，实用价值高。本文档系作者精心整理编辑，实用价值高。一组相互之间可以进行间接通信的主体，这组主体能够合作进行分布式问题求解”。而所谓群体智能是指“无智能的主体通过合作表现出智能行为的特性”。群体智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案提供了基础。在很多专家和研究学者的共同努力下，有很多的群体智能算法得以提出并有了很好的发展和应用。虽然有些智能算法有了成熟的理论基础，但是把它们能够很好的应用到现实生活中还有一定的差距，需要我们共同的参与，进行不断的探索、尝试和研究。现今国内外蚁群算法的现
7、状；蚁群算法的研究成果令人瞩目,但作为一种较新的理论,它依然存在一些问题。(1)对于大规模组合优化问题,算法的计算时间而且复杂。因此在处理较大规模的组合优化问题时,运算量较大,时间较长。(2)算法容易在某个或某些局部最优解的邻域附近发生停滞现象,造成早熟收敛,即搜索进行到一定程度后,所有蚂蚁发现的解完全一致,不能继续对解空间进一步搜索,不利于发现全局最优解。(3)不能较好的解决连续域问题。(4)由于蚁群算法中蚂蚁个体的运动过程的随机性,当群体规模设置较大时,很难在较短时间内从杂乱无章的路径中找出一条较好的路径。(5)信息素更新策略,路径搜索
8、策略和最优解保留策略都带有经验性,没有经过严格的理论论证。因此基本蚁群算法的求解效率不高、收敛性较差、求解结果具有较大的分散性。发展趋势随着蚁群算法在工程实践中应用的深入和系统复
