0积分下载，代码运行效果图见压缩包

人工智人-家居设计-多模态优化的免疫克隆混合智能算法研究.pdf

针对标准蚁群算法易于出现早熟停滞现象，提出了一种自适应多态免疫蚁群算法（adaptive polymorphic immune ant colony algorithm，PIACA）。通过设置多种状态蚁群及引入自适应多态蚁群竞争机制，PIACA算法能有效抑制收敛过程中的早熟停滞现象。将禁忌表中每只蚂蚁走过的路径视为抗体，对抗体运用局部最优搜索算法和免疫克隆选择算法进行高效优化，提高了解的质量。针对TSP实验结果表明，该算法在收敛速度及求解精度上均取得到了较好的效果。

人工免疫克隆选择算法是一种比较新型的智能算法，其基本算法结构与遗传算法是类似的，以下源码是为网络节点分组调度问题而设计的算法。

这是一个用VC写的求解TSP问题的免疫克隆选择算法，此算法是完整的，在VC下编译后即可运行。

包含量子免疫克隆算法的论文资料，希望有用。

基于克隆选择原理和免疫优势理论,本文提出一种新的基于免疫优势的克隆选择聚类算法(Immun-odomaince based Clonal Selection Clustering Algorithm,IDCSCA),该算法通过在经典的克隆选择算法框架中,引入基于免疫优势理论的免疫优势算子实现了在线自适应动态获得先验知识和个体间的信息共享.新算法首先通过对群体中若干最优抗体的分析,提取免疫优势,然后将其推广到整个抗体群,通过在进化过程中利用积累的先验知识,在保证抗体种群多样性的基础上加快收敛速度.采用个5个数据集对算法性能进行了测试,与模糊C均值算法(Fuzzy C-means,FCM)、基于遗传算法的模糊聚类算法(Genetic Algorithm based Fuzzy C-means,GAFCM)以及基于克隆选择的模糊聚类算法(Clonal Selection Algorithm based Fuzzy C-means,CSAFCM)比较,结果表明IDCSCA能有效避免聚类中心迭代过程中陷入局部最优点的问题,而且聚类性能更稳定.

 为了提高传统的克隆选择算法收敛速度慢、搜索能力弱、易局部最优化的缺陷，对基本的克隆选择算法进行了改进。改进的措施主要包括4个方面，分别是新的克隆方法、变异概率的自适应变化、替换策略的自适应变化、变异概率的突变。改进的克隆选择算法经过多个多峰值标准函数的仿真测试，具有较快的收敛速度和较强的寻找峰值的优点，改进的效果显著。

这是免疫克隆选择算法中用于解决TSP问题的完整程序，初学者必下资源

详细的主函数、初始化模块、克隆模块、变异模块、选择模块