یک الگوریتم جدید بهینه سازی مبتنی بر کلونینگ سیستم ایمنی مصنوعی و اعمال آن روی مساله TSP

مساله TSP از نقطه نظر بهینه سازی از اهمیت ویژه ای برخوردار است و از آنجایی که حل این گونه مسائل در ابعاد بالا در روش های تحلیلی و دقیق سایر مشکل و زمنابر و گاه غیر ممکن است ، باید به دنبال ارائه الگوریتم های اکتشافی و فرااکتشافی باشیم. در این مقاله یک الگوریتم فرااکتشافی مبتنی بر کلونینگ ( تکثیر غیر جنسی ) که ملهم از مکانیسم انتخاب مثبت / منفی و کلونال سیستم ایمنی طبیعی است ارائه می شود . انتخاب کلونال ( غی جنسی ) مکانیسمی است که توسط سیستم ایمنی طبیعی استفاده می شود تا سلول هایی که آنتی ژن ها را شناسایی می کنند را تکثیر کند . سلول های تکثیر شده در معرض پروسه بلوغ آفینیتیقرار می گیرند تا آفینیتی شان را برای آنتی ژن های انتخاب شده بهبود بخشند. ین الگوریتم ذاتا موازی است و این استراتژی کلونال شرایط حریصانه ای را به کار می گیرد که به یک رویکرد تطبیقی منجر می شود . شبیه سازی ها نشان می دهد که این رویکرد راه حل های خوبی برای مساله ی فروشنده دوره گرد تولید می کند و عمدتا سرعت همگرایی و کیفیت جواب ها را در مقایسه با رویکرد بهینه سازی مبتنی بر مورچه و الگوریتم ژنتیک بصورت قابل توجهی بهبود می دهد.

کلیدواژه ها:

TSP ، سیستم ایمنی مصنوعی ، انتخاب کلونال ، انتخاب مثبت/منفی