基于混沌免疫的聚类模型及其基本算法描述

在De Castro和Von Zuben(1999，2000)提出的克隆选择算法的基础上，根据土地用途分区的具体问题，提出了基于混沌免疫克隆选择算法的聚类模型(CICSA)，采用第二种结合方式，根据本书4.3节中解决的关键技术，其基本算法描述如下：

①读入待聚类区域的地类图斑，生成抗原。将待聚类区域的图斑作为抗原导入，采用二进制编码，抗原群体则可以表示为：Ag＝{Ag1，Ag2，…，Agl}，抗原序号l＝1，2，…，Ag_size，抗原数量Ag_size为待聚类样本的个数。抗原表示为Agi＝{ag1，ag2，…，agn}，抗原长度n＝Ag_codel，抗原基因取值范围agi＝{0，1}，抗原序号i＝1，2，…，Ag_size。

②初始化抗体群落。采用二进制编码，随机生成解群落。设定抗体长度与抗原长度相等，Ag_codel＝A_codel。抗体群落表示为A＝{A1，A2，…，Al}，抗体序号l＝1，2，…，A_size，抗体数量为A_size。抗体表示为Ai＝{a1，a2，…，an}，抗体长度n＝A_codel，抗体基因取值按二进制编码，抗体序号i＝1，2，…，A_size。

③抗体亲和力计算。在抗原群体中选择任意一个抗原，按本书4.3.2中的方法计算该抗原下任意一个抗体的亲和力。

④抗体选择。依据③中的亲和力计算，选择N个亲和力大的抗体。

⑤克隆操作。将A中的N个亲和力大的抗体进行克隆操作，抗体Ai克隆的数量：

式中，Sum_A_clone为每次克隆时，群落内抗体预设克隆规模；Int(·)为对(·)内的数向下取整。

⑥免疫基因操作。将克隆后的抗体以变异率pm进行均匀变异。

⑦选择部分抗体进行混沌扰动优化。(www.xing528.com)

⑧克隆选择。计算免疫基因操作后产生抗体与抗原间的亲和力，进行克隆选择用新解群体A'替换A中较差抗体。

⑨抗体记忆。将解群体A′中抗体作为记忆细胞，形成记忆群体Pop{m}＝{Am1，Am2，…，Aml}，l＝1，2，…，Ag_size。记忆细胞表示为Abmi＝{abm1，abm2，…，abmn}i＝1，2，…，A_size，记忆细胞长度n＝A_codel。

如果Am_disij∈(0，ω)，ω为记忆细胞抑制域值，则保留该记忆细胞作为最终记忆细胞，否则从Pop{m}中删除该记忆细胞，更新记忆群体Pop{m}。Pop{m}中记忆细胞的数量表示为Size(Pop{m})。

⑩判断是否满足子循环次数。针对抗原群体中每一个抗原，初始抗体经过克隆选择，最终都会形成一个相应的记忆群体Pop{m}。这一过程即为一个子循环。由于抗原群体中抗原的数量为Ag_size，则经过Ag_size次子循环，初始抗体最终会形成Ag_size个记忆群体Pop{m}。当满足子循环的次数时，算法转步骤；否则计算迭代算子，然后进行编码，转步骤③。

压缩记忆群体数量。记忆群体间距离为：计算任意两个以及群落间的距离，如果，合并相关记忆群体作为一个新的记忆群体，否则重新计算新记忆群体与其他群体间的距离，新生成的记忆群体再与其他未合并的群体进行上述过程。

上述过程是对记忆群体数量进行压缩的一个过程，其目的是通过记忆群落间距离测度，让具有类似记忆细胞的群落聚集为一个新的记忆群体。由于操作上的随机性，算法总能将类似的记忆群体进行合并，从而使记忆群落的数量得到压缩。

判断是否满足迭代次数。根据本书4.3.4中设定的终止条件，如不满足，转步骤②。压缩后的记忆群落可以看作一个新的抗原，与新一轮初始化生成的抗体进行再次免疫应答，并参与下一代进化。

聚类：生成记忆细胞群即为抗体聚类的结果，在GIS中显示聚类结果。