| 步骤1:抗原识别 |
| 在免疫算法中,抗原是需要解决的工程问题。首先,二进制遗传编码进行输入工程问题的特点。代表了一系列的问题需要解决,代表产品特征参数和被认为是亟待解决的问题,13,14]。 |
| 链接2:产生初始抗体 |
| 算法检测到的问题在前面的链接,确定这个问题是第一次入侵。如果不是第一识别,系统将直接从现有的记忆细胞库调用相应的细胞免疫应答。如果抗原是第一次入侵,系统执行遗传操纵识别抗原,划分相应的记忆细胞,并消除抗原来获取相应的设计方案(15]。 |
| 链接3:亲和力计算 |
| 根据公式(4),当前人口抗体和抗原之间的亲和力,和抗体更好的选择抗原和抗体的结合,和选择的抗体作为替代抗原方案。选择过程的关联值,为了提高现有设计数据库的检索效率和准确性,阈值定于亲和力
。当
,最大的亲和力的抗体与抗原匹配是最符合需求的产品设计方案(16]。 |
| 链接4:细胞分化和再生 |
| 抗体的亲和力高于链接3中设置的阈值被添加到记忆细胞。由于细胞总数的极限,当数量达到上限,记忆细胞和抗体信息最大的亲和力将取代细胞亲和力较低(17]。 |
| 第五步:抗体的促进和抑制作用 |
| 抗体在生物系统中,有一个反馈的效果。在抗原刺激时,这种抗体的浓度变化。这种机制保证了抗体的多样性,避免了不成熟收敛。高亲和力抗体是提升和高密度抗体抑制。细胞分化是由浓度的概念(18]。 |
| 定义3:抗体浓度 |
|
|
|
|
| 在哪里是一组亲和力阈值。 |
| 定义4:抗体的期望值的计算 |
|
|
|
|
| 在哪里是一组阈值。 |
| 链接6:抗体产生 |
| 新产生的抗体是随机确定基因替换链接4中的抗体消除。后选择、交叉和变异,优越产生抗体,抗体种群更新。并确定是否满足预期的条件。如果不是,继续第三步,直到最后的条件得到满足。在传统的遗传算法应用于优化问题,只有一个可获得最优解,它有一些缺点,如早熟,忽视其先验知识和低效率。通过计算浓度机制,人工免疫算法可以有效地避免局部过早收敛的缺点,这是适用于强烈的约束优化问题。同时,可以从先验知识中提取疫苗,以利用不重要的先验知识,以便更准确地获得问题的解。在处理相同或相似的问题,人工免疫算法可以打电话给以前的内存条和搜索的解决方案在此基础上,可大大减少所需的时间来解决这类问题,有效提高计算效率。改进的免疫算法可以应用于工程的成本决定产品结构设计和研发,快速和准确的免疫反应可以避免当地算法的过早收敛,提高全局收敛性,并得到满意的全局最优值,即最优匹配的解决方案。 |
|
