《免疫算法实例》由会员分享，可在线阅读，更多相关《免疫算法实例（8页珍藏版）》请在金锄头文库上搜索。
1、智能控制课程综合报告学 院 自动化学院专 业控制科学与工程学号学生姓名指导教师2016 年 6 月 7 日基于免疫优化算法的物流中心选址1、建立模型在物流配送中心选址模型中做如下假设1) .配送中心的规模容量总可以满足需求点需求，并由其配送辐射范围内的需求 量确定。2) .一个需求点仅由一个配送中心供应。3) .不考虑工厂到配送中心的运输费用。然后要从n个需求点中找出配送中心，并向需求点配送物品。目标函数是各 配送中心到需求点的需求量和距离的乘积之和最小。目标函数如下：F = W w d Zi ij ij2、问题的求解2.1 算法的实现步骤：1) .产生初始种群。2) .对上述群体中各个抗体进
2、行评价。3) .形成父代群体。4) .判断是否满足条件，是则结束，反之，则继续下一步操作。5) .新种群的产生。6) .转去执行步骤 2。2.2流程图如图 1-1：图 1-1 算法流程图2.3 初始群体的产生如果记忆库非空，则初始抗体群从记忆库中生成。 否则，在可行解空间随 机产生初始抗体群。此处 采用简单的编码方式。每个选址方案可形成一个长度 为P的抗体(P表示配送中心的数量)，每个抗体代表被选为配送中心的需求点 的序列。如：考虑包含 31个需求点的问题，从中选取 6个作为配送中心。抗体 2,7,15,21,29,11代表一个可行解。2.4、解的多样性评价1) .抗体与抗原之间的亲和力1 1
3、Z 1.0)v i ij ij ijF 乞乞wd Z - C工min(艺Fw d Zi ij ijF 表示新的目标函数，分母的第二项表示对违反距离约束的解给予惩罚 C v取比较大的正数。2) .抗体与抗体之间的亲和力其反映抗体之间的相似程度，此处借鉴Forrest等人提出的R位连续方法计算抗体之间的亲和力，两个个体有至少R位编码相同则两种抗体近似相同。kS = v ,sL其中k表示抗体v和抗体s之间相同的位数，L为抗体的总长。例如，两个抗体2,7,15,21,5,11、15,8,14,26,5,2经比较有3个相同则亲和度为 0.5。3) .抗体浓度C =丄工Sv N v,sieN(1 S TS
4、 =v,sv，s o 其他4) .期望繁殖概率在种群中，每个个体的期望繁殖概率与抗体与抗原之间的亲和力A和抗体浓 度共同决定。ACP = v + d-v乙A乙Cvva是常数，可见个体的适应度越高，则期望繁殖率越大，个体的浓度越大， 则期望繁殖率越大。这样就鼓励了高适应度个体，抑制了高浓度个体。2.5 免疫操作1) .选择：按照轮盘赌机制进行选择操作，个体被选择的概率即为期望繁殖概率。2) .交叉：采用单点交叉法进行交叉操作。3) .变异：采用随机变异位进行变异操作。3. 模型的求解为证明算法的有效性和可行性，采集了 31个城市的坐标，每个用户的位置 以及物资需求进行仿真。根据配送中心选址模型，
5、按照免疫算法流程对该例求解。参数设置：种群规模：50；记忆库容量：10；迭代次数：100；交叉率：0.5；变异概率：0.4； 多样性评价参数：0.95迭代次数5 77.4. matlab仿真结果最后，图4-1适应度曲线物郝能中心选址方案4Q(W|1|3500 i:8300025002000 -1600 -1000 -D10001500200025003000350040004500图4-2选址方案结果选址方案是5,25,18,9,12,27,如图中所标，可以看出免疫算法较好的收敛性。5. 算法应用展望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，
6、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;overbest=l0;MAXGEN=l00;pcross=0.5;pmutation=0.4;ps=0.95;length=6;M=sizepop+overbest;%种群规模%记忆库容量%迭代次数%交叉概率%变异概率%多样性评价参数%配送中心数% st epl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（l，M），excellence，zeros（l，M），chro
7、m，）;% step2产生初始抗体群individuals.chrom = 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for iii=l:MAXGEN% step3抗体群多样性评价for i=l:Mindividuals.fitness（i）=fitness（individuals.chrom（i，:）; %抗体与抗原 亲和度（适应度值）计算individuals.concentration（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ind
8、ividuals.excellence = excellence（individuals，M，ps）;%记录当代最佳个体和种群平均适应度best，index = min（individuals.fitness）; %找出最优适应度 bestchrom = individuals.chrom（index，:）; %找出最优个体 average = mean（individuals.fitness）;%计算平均适应度trace = trace;best，average;%记录% step4根据excellence，形成父代群，更新记忆库（加入精英保留策略，可由s 控制）bestindividual
9、s = bestselect(individuals,M,overbest); %更新记忆库 individuals = bestselect(individuals,M,sizepop); %形成父代群% step5选择，交叉，变异操作，再加入记忆库中抗体，产生新种群 individuals =Select(individuals,sizepop);%选择individuals.chrom =Cross(pcross,individuals.chrom,sizepop,length);%交叉individuals.chrom=Mutation(pmutation,individuals.ch
10、rom,sizepop,length); %变异individuals = incorporate(individuals,sizepop,bestindividuals,overbest);% 加入记忆库中抗体end% 画出免疫算法收敛曲线figure(1)plot(trace(:,1),r,linewidth,2);hold onplot(trace(:,2),-,linewidth,2);legend(最优适应度值，平均适应度值)grid ontitle(免疫算法收敛曲线，fontsize,12)xlabel(迭代次数，fon tsize,12)ylabel(适应度值，fon tsize
11、,12)% 画出配送中心选址图%城市坐标 city_coordinate=1304，2312;3639，1315;4177，2244;3712，1399;3488，1535;3326，1556;32 38，1229;4196，1044;4312，790;4386，570;3007，1970;2562，1756;2788，1491;2381，1676;1332，695;3715，1678;3918，2179;4061，2370; 3780，2212;3676，2578;4029，2838;4263，2931;3429，1908;3507，2376;3394，2643;3439，3201;2935
12、，3240;3140，3550 ;2545，2357;2778，2826;2370，2975;carge=20，90，90，60，70，70，40，90，90，70，60，40，40，40，20，80，90，70，100，50，50，50，80，70 ，80，40，40，60，70，50，30;%找出最近配送点for i=1:31 distance(i，:)=dist(city_coordinate(i，:)，city_coordinate(bestchrom，:);enda，b=min(distance);index=cell(1，length); for i=1:length%计算各个派送
13、点的地址indexi=find(b=i);endfigure(2)title(最优规划派送路线)cargox=city_coordinate(bestchrom,1);cargoy=city_coordinate(bestchrom,2);plot(cargox,cargoy,rs,LineWidth,2,.MarkerEdgeColor,r,.MarkerFaceColor,b,.MarkerSize,20)hold onplot(city_coordinate(:,1),city_coordinate(:,2),o,LineWidth,2,. MarkerEdgeColor,k,.MarkerFaceColor,g,.MarkerSize,10)grid onfor i=1:31x=city_coordinate(i,1),city_coordinate(bestchrom(b(i),1); y=city_coordinate(i,2),city_coordinate(bestchrom(b(i),2); plot(x,y,c,LineWidth,2);hold onendtitle(物流配送中心选址方案)（注：文档可能无法思考全面，请浏览后下载，供参考。可复制、编制，期待 你的好评与关注！）
