改进标准遗传算法：基于抗体多样性的IGA

免疫遗传算法（IGA）是遗传算法的分支，是在深入理解进化算法基础上受生物免疫机制的自发形成的一种新型遗传算法。它模拟了生物免疫系统产生抗体抵御外来入侵抗原的自适应能力，实现了入侵识别、多样抗体生成、自我调节、免疫记忆等功能。

图5-6 实例流程

生物免疫系统对外来入侵抗原可以产生相应的抗体抵御它，抗体与抗原结合后会发生一系列反应。通过吞噬作用或特殊酶的作用来毁坏抗原。为了维持免疫平衡，抗体间有抑制和促进作用。生物免疫系统虽然复杂，但是其表现出来的抵抗抗原的自适度能力却是十分明显的。如果将外来侵犯的抗原和免疫系统产生的抗体分别与实际求解问题的目标函数和问题的候选解相对应，则生物免疫系统的功能特点可用于提高遗传算法的寻优速度、改善遗传算法的寻优质量。相关的免疫机理如下：

（1）产生抗体多样性能力

抗体多样性是免疫系统重要特征之一，通过细胞分裂和分化作用，生物免疫系统能够产生大量抗体来消灭各种侵入的抗原。为了维持免疫平衡，抗体间产生的促进和抑制作用，保证了免疫系统抗体的多样性。显然利用免疫系统的抗体多样性保持机制，改进标准遗传算法，有助于提高个体多样性，可用之提高全局搜索能力，避免陷入局部最优。由此得到IGA基于抗体多样性的具有较好的全局收敛性。(www.xing528.com)

（2）自我调节机制

生物免疫系统具有维持免疫平衡机制，即通过对抗体的促进和抑制作用，能够自我调节产生适当数量的必要抗体。该免疫机制对应于IGA中个体浓度的促进和抑制可用于提高SGA（标准遗传算法）的局部搜索能力。

（3）免疫的记忆功能

在免疫学习过程中，产生抗体的部分细胞会作为记忆细胞而被保存下来，对于以后侵入的同类抗原，相应的记忆细胞能够迅速激发，产生大量的抗体。该免疫机理对应于IGA中记忆细胞演化，可用于加快IGA的搜索速度，提高总体搜索能力。

IGA具有利用抗体浓度选择机制，产生促进和抑制的作用。抗体的选择概率与抗体适应度成正比，与抗体浓度成反比。因此，在保留高适应度抗体的同时，通过对高浓度抗体进行抑制，进一步确保了抗体的多样性，从而克服了超级个体问题，改善了早熟收敛现象。此外，IGA还具有免疫记忆功能，对入侵抗原识别之后，以若干最优抗体的形式保留对该抗原的记忆信息，当下次遇到相同或者结构相似的抗原时，取出记忆最优抗体组成初始种群。这些抗体适应度比较高，且有一定的多样性，因而经过较少的迭代数，即可得到较好的种群，大大地加快了应答速度，从而提高了总的寻优能力。