李月

(中国传媒大学 计算机学院，北京 100024)

基于遗传算法的免疫算法对TSP问题的改进与研究

李月

(中国传媒大学 计算机学院，北京 100024)

基于生物学种群遗传原理的遗传算法，在解决种群迭代次数过多的复杂问题中，由于遗传算子总是以随机的方式来迭代子代种群，在遗传过程中难免会出现退化的现象，因此引入免疫算法来对其进行改进。通过增加免疫算子，即抽取问题的特征信息，经过疫苗检验和退火选择降低算法的退化概率，从而对遗传算法进行了改进。最后，应用TSP问题来具体说明免疫算法是如何对遗传算法进行优化与改进的。

遗传算法；免疫算法；TSP问题

1 引言

近年来遗传算法应用非常广泛，其基于生物学 “物竞天择，适者生存”种群遗传原理来解决了很多传统方法很难解决的复杂问题，比如组合优化类问题、工程类问题、图像处理等等，就连机器人领域也有遗传算法的应用。但在解决问题的过程中遗传算法也暴露了很多问题，为了解决这些问题，又引进了另一个同样基于生物学原理的算法——免疫算法。免疫算法通过生物学免疫原理改进了遗传算法，解决了遗传算法的退化问题。本文通过使用TSP问题来研究免疫算法对遗传算法所做的改进。

2 遗传算法

2.1 遗传算法生物学原理

遗传算法顾名思义就是依据遗传学衍化过来，它的生物学原理是根据生物学家达尔文所提出的进化论。它来源于自然选择。而自然选择的核心概括为三方面：遗传、变异和选择。……