免疫算法（matlab）---求数的平方和

数的平方和

function result =func(x)
sumn=sum(x.^2);
result=sumn;
end

clear all;
close all;
clc;
D=10;%免疫个体维数
NP=100;%免疫个体数目
Xs=20;%取值上限
Xx=-20;%取值下限
G=500;
pm=0.7;%免疫概率
alfa=1;%激励度系数
beta=1;%激励度系数
detas=0.2;%相似值阈值
gen=0;
Ncl=10;%克隆个数
deta0=1*Xs;%邻域范围取值
%%初试种群
f=rand(D,NP)*(Xs-Xx)+Xx;%产生上限值与下限值之间的随机数
for np=1:NP
    MSLL(np)=func(f(:,np));%计算每个初始值的函数值
end
for np=1:NP
    for j=1:NP
        nd(j)=sum(sqrt((f(:,np)-f(:,j)).^2));%基于欧式距离的亲和度计算
        if nd(j)<detas%抗体间的相似度计算
            nd(j)=1;
        else
            nd(j)=0;
        end
    end
    ND(np)=sum(nd)/NP;%抗体间的浓度计算
end
MSLL=alfa*MSLL-beta*ND;%抗体的激励度计算，由抗体的亲和度和浓度做运算得到

%激励度按升序排列
[SortMSLL,Index]=sort(MSLL);
Sortf=f(:,Index);

%免疫循环
while gen<G
    for i=1:NP/2
        %选激励度前N/2个个体进行免疫操作
        a=Sortf(:,i);
        Na=repmat(a,1,Ncl);%B = repmat(A, m, n) %将矩阵A复制m*n块，即B由m*n块A平铺而成
        deta=deta0/gen;
        for j=1:Ncl%克隆个数
            for ii=1:D
                if rand < pm%变异率
                    Na(ii,j)=Na(ii,j)+(rand-0.5)*deta;
                end
                if (Na(ii,j)>Xs)|(Na(ii,j)>Xx)%边界处理
                    Na(ii,j)=rand*(Xs-Xx)+Xx;
                end
            end
        end
        Na(:,1)=Sortf(:,i);%保留克隆源个体
        %克隆抑制，保留亲和度最高的个体
        for j=1:Ncl%克隆个数
            NaMSLL(j)=func(Na(:,j));
        end
        [NaSortMSLL,Index]=sort(NaMSLL);
        aMSLL(i)=NaSortMSLL(1);
        NaSortf=Na(:,Index);
        af(:,i)=NaSortf(:,1)
    end
    for np=1:NP/2
        for j=1:NP/2
            nda(j)=sum(sqrt((af(:,np)-af(:,j)).^2));
            if nda(j)<detas
                nda(j)=1;
            else
                nda(j)=0;
            end
        end
        aND(np)=sum(nda)/NP/2;
    end
    aMSLL=alfa*aMSLL-beta*aND;
    %种群刷新
    bf=rand(D,NP/2)*(Xs-Xx)+Xx;
    for np=1:NP/2
        bMSLL(np)=func(bf(:,np));
    end
    for np=1:NP
    MSLL(np)=func(f(:,np));%计算每个初始值的函数值
    end
for np=1:NP/2
    for j=1:NP/2
        ndc(j)=sum(sqrt((bf(:,np)-bf(:,j)).^2));%基于欧式距离的亲和度计算
        if ndc(j)<detas%抗体间的相似度计算
            ndc(j)=1;
        else
            ndc(j)=0;
        end
    end
    bND(np)=sum(ndc)/NP;%抗体间的浓度计算
end
MSLL=alfa*bMSLL-beta*bND;%抗体的激励度计算，由抗体的亲和度和浓度做运算得到

%免疫种群与新生种群合并
f1=[af,bf];
MSLL1=[aMSLL,bMSLL];
[SortMSLL,Index]=sort(MSLL1);
Sortf=f1(:,Index);
gen=gen+1;
trace(gen)=func(Sortf(:,1));
end
Best=Sortf(:,1);
trace(end);
figure,plot(trace)
xlabel("迭代次数")
ylabel("目标函数值")
title("亲和度进化曲线")

            

来源：CSDN

作者：穗麦子

链接：https://blog.csdn.net/weixin_44823151/article/details/103569880