基于并行人工免疫算法的大规模TSP问题求解-基于并行人工免疫算法的大规模TSP问题求解.pdf

基于并行人工免疫算法的大规模TSP问题求解-基于并行人工免疫算法的大规模TSP问题求解.pdf 摘　要: 　为求解大规模TSP 问题,提出了并行人工免疫系统的塔式主从模型 ,和基于TMSM的并行免疫记忆克隆选择算法 . TMSM是粗粒度的两层并行人工免疫模型,其设计体现了分布式的免疫响应和免疫记忆机制. PIMCSA 用疫苗的迁移代替了抗体的迁移,兼顾了种群多样性的保持和算法的收敛速度. 与其他算法相比,PIMCSA 在求解精度和运行时间上都更具优势,而且问题规模越大优势越明显. TMSM很好地体现了免疫系统的特性,PIMCSA 是适合求解大规模复杂优化问题的并行人工免疫算法,具有良好的可扩展性. 关键词: 　TSP; 并行人工免疫系统; 克隆选择; 免疫记忆 1 　引言 旅行商问题 是经典的组合优化问题,具有很强的工程背景和广泛的应用价值. TSP 问题可以形式化描述为:已知N 个城市C = { C1 , C2 , ⋯, CN} , 以及任意两城市之间的距离d , 求一条经过C 中所有城市一次且仅一次的闭合路径Cx = { Cx , Cx , ⋯,Cx } 使得总行程最小 .对于大规模TSP 问题,人们倾向于用有限的时间找到可接受的近似解. 求解TSP 问题的近似算法分为环路构造算法和环路改进算法两类. 环路构造算法从某个非法解出发,逐步改变路径,直到得到一个合法路径为止.这类算法包括:最近邻算法,贪心算法,Clarke2Wright 算法,Christofides 算法等[1] . 环路改进算法则在给定初始合法解之后,使用某种策略寻找质量更好的解. 这类算法包括:局部搜索策略 ,禁忌搜索[1] ,模拟退火[1] ,遗传算法[3] ,蚁群算法[4] ,粒子群算法[5] ,多级算法[6 ,7] ,免疫算法[8]等. TSP 问题的解空间随着问题规模的增大而迅速膨胀,面对大规模TSP 问题庞大的搜索空间,单个计算机的计算能力已经远不能满足搜索算法对时间的要求. 并行算法求解大规模TSP 问题越来越受到研究者的关注,出现了并行蚁群算法[9 ,10]研究的一些成果,目前尚处于起步阶段. 本文工作尝试设计并行的免疫算法来解决这一复杂问题. ....... 后面主要是新提出的算法性能分析和仿真及结论,本文是2008年底新发表的,估计网上现在还不能下载,我是从学校论文数据库中下载的,以供需要者共享资源.