matlab神经网络和优化算法：35免疫算法在旅行商问题中的解决方法.zip

%% 学习目标：免疫算法在旅行商问题中的解决方法 %% 清空命令窗口和内存 clear clc N=10; %% 城市的个数 M=N-1; %% 种群的个数 pos=randn(N,2); %% 生成城市的坐标 global D; %% 城市距离数据 D=zeros(N,N); for i=1:N for j=i+1:N dis=(pos(i,1)-pos(j,1)).^2+(pos(i,2)-pos(j,2)).^2; D(i,j)=dis^(0.5); D(j,i)=D(i,j); end end %% 中间结果保存 global TmpResult; TmpResult = []; global TmpResult1; TmpResult1 = []; %% 参数设定 [M, N] = size(D);%集群规模 pCharChange = 1;%字符换位概率 pStrChange = 0.4;%字符串移位概率 pStrReverse = 0.4;%字符串逆转概率 pCharReCompose = 0.4;%字符重组概率 MaxIterateNum = 100;%最大迭代次数 %% 数据初始化 mPopulation = zeros(N-1,N); mRandM = randperm(N-1);%最优路径 mRandM = mRandM + 1; for rol = 1:N-1 mPopulation(rol,:) = randperm(N);%产生初始抗体 mPopulation(rol,:) = DisplaceInit(mPopulation(rol,:));%预处理 end %% 迭代 count = 0; figure(2); while count < MaxIterateNum %产生新抗体 B = Mutation(mPopulation, [pCharChange pStrChange pStrReverse pCharReCompose]); %计算所有抗体的亲和力和所有抗体和最优抗体的排斥力 mPopulation = SelectAntigen(mPopulation,B); hold on plot(count,TmpResult(end),'o'); drawnow display(TmpResult(end)); display(TmpResult1(end)); count = count + 1; end hold on plot(TmpResult,'-r'); title('最佳适应度变化趋势') xlabel('迭代数') ylabel('最佳适应度') % mRandM %% 大仙QQ：1960009019 %% 在线教育微信公众号：大仙一品堂