【原创】基于人工免疫克隆选择算法的调度优化

aiwa

基于人工免疫克隆选择算法的调度优化
function [BestX,BestY,AllABfarm,LC1,LC2]=AIA2(M,N,Ns,Ncm,Nr,Pd,alpha,beta,K,Cx,Cy,r,Sx,Sy)
%% 网络节点分组调度的人工免疫优化算法通用Matlab程序
% GreenSim团队原创作品，转载请注明
% Email:greensim@163.com
% GreenSim团队主页：http://blog.sina.com.cn/greensim
% 欢迎访问GreenSim——算法仿真团队→http://blog.sina.com.cn/greensim
%% 输入参数列表
% M------------人工免疫优化算法迭代次数
% N------------抗体群的规模
% Ns-----------免疫选择算子中选中的抗体个数
% Ncm----------克隆变异算子中产生的新抗体的个数
% Nr-----------抑制操作中保留下来的抗体个数
% Pd-----------变异程度控制参数，取值0～1，越大变异越厉害
% alpha--------亲和度加权系数，用于激励度的计算
% beta---------浓度加权系数，用于激励度的计算
% K------------调度分组的个数
% Cx-----------节点的横坐标，1×n的向量
% Cy-----------节点的纵坐标，1×n的向量
% r------------节点的感知半径，1×n的向量
% Sx-----------质点的横坐标，1×m的向量
% Sy-----------质点的纵坐标，1×m的向量
%% 输出参数列表
% BestX--------最优调度方案
% BestY--------最优调度对应的平均覆盖率
% AllABfarm----历史上所有抗体群的集合，M×1的细胞结构
% LC1----------最优抗体亲和度的收敛曲线，M×1
% LC2----------抗体群平均亲和度的收敛曲线，M×1
%% -----------------------初始化----------------------------------
n=length(Cx);
LC1=zeros(M,1);
LC2=zeros(M,1);
AllABfarm=cell(M,1);
%控制参数初始化
mm=1;%迭代计数器
%调用子函数，抗体群初始化
ABfarm=AntiBodyInitial(N,n,K);
%% -----------------------迭代过程---------------------------------
while mm<=M%设置停止条件
    %调用子函数，计算抗体群亲和度
    aff=Affinity(ABfarm,K,Cx,Cy,r,Sx,Sy);
    %记录收敛曲线
    maxaff=max(aff);
    meanaff=mean(aff);
    LC1(mm)=maxaff;
    LC2(mm)=meanaff;
    pos=find(aff==maxaff);
    BestPos=pos(1);
    BestX=ABfarm(BestPos,:);
    BestY=maxaff;
    AllABfarm{mm}=ABfarm;
    %调用子函数，计算抗体浓度
    den=Density(ABfarm);
    %调用子函数，计算抗体激励度
    sim=SumUp(aff,den,alpha,beta);
    %调用子函数，免疫选择算子
    ABfarmS=Select(ABfarm,sim,Ns);
    %精英抗体保护
    ABfarmS(1,:)=BestX;
    %调用子函数，克隆变异算子
    ABfarmCM=CloneMutation(ABfarmS,Ncm,Pd,K);
    %调用子函数，抑制刷新算子
    ABfarm=RepresRenewal(ABfarmS,ABfarmCM,Nr,N,K,Cx,Cy,r,Sx,Sy);
    disp(mm);
    mm=mm+1;
end