IGA主要步骤简介,抗原识别

（1）抗原识别

抗原对应于所要解决的问题。抗原识别就是判断侵入的抗原是不是曾经遇到过的抗原。

（2）初始种群产生

初始抗体对应于问题的候选解。如果抗原识别判断出侵入的抗原是曾经遇到过的，则从记忆单元中取出相应的抗体组成初始种群，否则随机产生初始种群。由于取出的抗体适应度比较高，且有一定的多样性，因而大大地加快了搜索速度。

（3）亲和度计算

分别计算所有抗体的亲和度。亲和度有两种形式：一是指抗体和抗原之间的关系，即解和目标函数之间的匹配程度，又称为适度计算；二是指抗体之间的关系，即候选群之间的相似程度。

（4）记忆单元更新

将适应度高的抗体加入到记忆单元中，由于记忆单元数目有限，因此用新加入的抗体取代与其亲和度高的原有抗体。这样处理的目的是将适应度高的抗体存入记忆单元的同时，保持记忆单元中抗体的多样性。

（5）抗体的促进和抑制

它与抗体的浓度和适应度有关系。适应度高的抗体得到促进，浓度高的抗体受到抑制，其中抗体的浓度是指相近抗体的浓度。(www.xing528.com)

（6）抗体的产生

通过交叉和变异两种操作，产生下一代抗体，交叉运算和变异运算是算法中必不可少的运算环节。

1）交叉运算：交叉运算是最重要的遗传操作，种群通过交叉产生新的抗体，从而不断扩展搜索空间，最终达到全局搜索的目的。交叉运算的设计往往与编码方式密不可分，对于二进制编码，基本的交叉算子有单点交叉、两点交叉和均匀交叉；对于浮点编码，基本的交叉算子有算术交叉和启发性交叉。

2）变异运算：变异运算是指对抗体串的某些基因位作改变的操作，引入变异算子可以提供初始种群不含的基因，或找回选择过程中丢失的基因，为种群提供新的内容。变异算子的作用效果在于：一是提高算法的搜索能力，使算法能够搜索到精确解；二是保持种群的多样性，防止出现过早收敛的现象。

（7）循环

重复（1）～（6）步，直到终止条件满足为止。

IGA的流程如图5-7所示。

图5-7 IGA的流程