摘要
针对蚁群优化算法易于陷入早熟收敛和局部求精能力不足的缺点,提出一种用免疫蚁群算法(IAA)寻找最优解的方法.算法基于人工免疫系统原理,设计了具有免疫能力的蚂蚁抗体保持蚁群的多样性,在迭代后期蚁群依然保持进化能力,提高了算法的局部求精能力,使蚁群优化算法在局部开采与全局探索间都取得了更好的平衡.实验结果表明,算法具有良好的优化性能和时间性能.
Immune Ant Algorithm（IAA） is proposed for preventing ACO from premature convergence and improving the precision of local optimization algorithm to develop ant operators with immunity based on the basic principles of artificial immune systems.The immune ant operators will create better balance between exploration and exploitation by keeping the diversity of ant colony,maintaining the intensification in the later iteration phase,and improving the precision of local optimization algorithm.The algorithm has both good optimization capability and time capability.
出处
《吉林大学学报（理学版）》
CAS
CSCD
北大核心
2010年第4期636-640,共5页
Journal of Jilin University:Science Edition
基金
国家自然科学基金(批准号:60573182
60873147)
教育部博士学科点专项科研基金(批准号:20060183042)
吉林省科技发展计划项目(批准号:20060527)
吉林省教育厅科研计划项目(批准号:20060074)
关键词
几何约束模型
蚂蚁算法
免疫算法
geometric constraint model
ant algorithm
immune algorithm
作者简介
袁华（1971-），女，汉族，博士，讲师，从事几何约束求解和智能优化算法的研究，E—mail：yhyaya@126．com．
通迅作者：李文辉（1961-），男，汉族，博士，教授，博士生导师，从事计算机图形图像处理及虚拟现实的研究，E-mail：liwenhui2050@163．com．
