基于循环配送策略的汽车装配线物料配送调度方法

为有效解决基于循环配送策略的汽车装配线物料配送调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先,建立了数学规划模型,以最小化计划期内所有工位的线边总库存为优化目标,并提出了改进型免疫克隆选择算法.在算法设计过程中融入了模拟退火算子和邻域搜索算子,分别对克隆种群和记忆库进行操作,以克服传统免疫克隆选择算法易陷入局部最优、搜索深度不足等缺陷.最后进行了仿真实验,表明该算法是有效、可行的.     

基于免疫克隆选择算法的TDOA定位技术

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和免疫克隆选择算法(ICSA)的混合定位算法.采用二进制编码和免疫克隆选择算法,针对TDOA方式进行最佳坐标搜索.仿真结果表明,该算法不仅能够进行准确定位,而且在同样的种群规模下能够以较少的迭代次数得到最优解.     

基于免疫克隆选择优化算法的地下矿山配矿

建立了基于免疫克隆选择算法地下矿山配矿的数学模型.以国内某地下锌矿实际生产为背景,使用Java编制相应的免疫克隆选择算法优化软件进行优化解算,将解算结果与该矿的生产计划指标和模糊优化算法解算结果进行对比验证.结果表明免疫克隆选择优化算法在地下矿山优化配矿领域的应用是可行的.     

一种新的免疫克隆算法在CVRP问题中的应用

基于克隆选择学说,通过引入克隆算子提出一种新的免疫克隆算法,并将其用于求解CVRP问题.该算法采用了克隆增殖、高频变异和克隆选择算子的操作,增加了种群中优秀个体获得克隆增殖实现亲和度成熟的机会,提高抗体群分布的多样性,在深度搜索和广度寻优之间取得了平衡.仿真结果表明,该算法具有良好的全局收敛性和较快的收敛速度,能有效解决CVRP问题.     

带取送货的关联运输调度问题的优化

针对取送货车辆路径问题,构建了带时间窗的IVRPPD的车辆路径数学模型,设计了混沌免疫克隆选择算法,介绍了基本的免疫克隆选择算法和混沌理论,并对设计步骤进行了详细介绍。最后,通过对该问题进行分析建模和数值求解,说明了该模型和算法的合理性和有效性。与基本遗传算法和非代际遗传算法相比较,混沌免疫克隆选择算法能更有效地解决带取送货的关联运输调度问题。     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法，描述了算法的操作过程。采用函数优化仿真实验与进化算法进行比较，结果表明免疫克隆选择算法收敛速度快，求解精度高，稳定性好，并能有效地克服早熟问题和骗问题．     

结合交叠区异点统计和相关分析的免疫克隆特征选择方法

为了解决机械故障诊断中的特征选择问题,利用免疫克隆选择算法,提出了一种结合交叠区异点统计和相关性分析的免疫克隆特征选择方法,可有效地去除不相关特征和冗余特征.基于空间分布的交叠区异点,设计了交叠区异点统计的优化指标;基于J散度距离,设计了一种冗余特征的评估指标;基于免疫克隆选择算法,结合交叠区异点统计优化指标和冗余特征评估指标,提出了一种免疫克隆特征选择新算法.仿真和实际工程应用的结果表明:文中提出的方法比常用的特征选择方法更加有效,选出的特征分类精度更高,特征子集更小,更能满足故障诊断的需求.     

用于高维函数优化的免疫记忆克隆规划算法

基于抗体克隆选择学说及免疫记忆理论,系统阐述了一种新的人工免疫系统算法,免疫记忆克隆规划,并基于Markov链的有关性质,证明了该算法的收敛性.高维函数优化的仿真试验表明,与相应的进化算法(如BGA)相比,算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度快.     

一种新的基于克隆选择原理的人工免疫算法

提出了一种新的基于克隆选择原理的人工免疫算法.该算法基于生物免疫系统的自适应免疫识别机制,通过整合克隆选择过程中的亲和度成熟、阴性选择、免疫记忆、基因库进化和元动力学等关键要素,可在搜索过程中自动获取和积累有关搜索空间的知识,协调利用群体记忆与基因库记忆机制,在资源受限的条件下高效求得问题的解;并对算法的全局收敛性进行了分析.针对STSP问题的实验结果验证了算法的性能.     

谱聚类与混沌免疫相结合的软件缺陷分析算法

针对谱聚类算法中K-means处理无标识软件度量元数据易陷入局部最优的问题, 提出一种新的混沌免疫聚类算法. 该方法在免疫克隆选择算法的框架下, 设计抗体亲和度计算方法用于免疫克隆聚类中心的评价, 并给出分层混沌变异算子, 进一步提高了无标识软件度量元数据的预测性能. 仿真实验验证了算法的有效性.     

关联运输调度问题的模糊机会约束规划模型

提出了针对多车场多车型的关联运输调度问题(Multiple-depot and Heterogeneous-vehicle Incident Vehicle Routing Problem)的模糊机会约束规划模型,将问题模型中各个客户的需求量及各供货点库存看成是模糊参数,讨论了如何处理模糊目标函数,并讨论了改进的遗传算法和免疫克隆选择算法,比较其优劣。实验证明,对于求解该模型,免疫克隆选择算法能够快速收敛于全局最优解,优于改进的遗传算法,能有效地解决关联运输调度问题。     

基于免疫克隆选择算法的特征选择

提出了一种基于免疫克隆选择算法的特征选择方法．特征选择可以被看成是一个组合优化问题,利用免疫克隆选择算法快速收敛于全局最优的特性,加快搜索到最优特征子集的速度,为后续模式分类提供良好的判别依据．实验结果表明算法在保持甚至提高分类精度的同时,有效地降低了特征维数．与基于遗传算法特征选择的结果相比较,在有限代数内,该算法能收敛到更优的特征子集,从而验证了算法的有效性及其应用潜力．     

基于文化算法的投资组合规划问题求解

运用两种版本的文化算法对投资组合的非线性规划模型进行求解,并与进化规划算法进行了比较.仿真实验表明,与进化规划相比,文化算法的两个版本均能以更快的速度稳定地收敛到全局最优解,因此采用文化算法求解此类非线性优化问题更为有效.     

基于改进型期望值选择的GA及程序实现

遗传算法(Genetic Algorithms,GAs)作为一种新的全局优化搜索算法,在各学科中有着广泛的应用,选择策略在GA的进化中具有重要的意义,直接决定GA进化结果的效率和效果,该文指出基于轮盘赌选择的遗传算法和基于传统期望值选择的遗传算法的不足,并在此基础上提出了基于改进型期望值选择的遗传算法(RevisedExpected Value Selection-GA,REVS-GA),提高了程序的简洁度,同时通过实验证明了REVS-GA有效地克服了“早熟”现象,并且执行的效率比传统算法高.     

双相介质物理参数反演的进化策略方法

由于物理参数反演问题在很大程度上取决于计算方法的稳定性和收敛性 ,而进化计算方法目前已在一些有关优化计算中得到较为广泛的应用 ,并证明该方法行之有效 .本文先从理论上分析了采用进化策略这种进化计算方法来进行Biot双相介质参数反演的可行性 .并采用进化策略方法对一维Biot双相介质模型的地层物性参数进行反演计算 ,文中给出的数值算例验证了这种进化算法进行参数反演的可行性和稳定性 .     

一种基于Rough集的启发式人工选择算法

在传统二进制编码遗传算法(GA)的基础上,提出一种基于Rough集的启发式人工选择算子和人工选择算法。利用粗糙集对遗传算法的历史数据进行分析,发现重要基因位,获得重要模式信息,并以此为启发式信息,选择优秀模式进行人工育种,从而对复杂优化问题进行有效求解。采用该算法对典型测试函数进行了验证,算例结果表明,人工选择算法加速了常规遗传算法进化速度,提高了收敛效率。     

制造企业动态联盟合作伙伴组合优化方法

将制造企业动态联盟合作伙伴的选择和组合抽象为多目标优化问题，提出改进的蚁群算法——“小生境蚁群算法”及“小生境信息差”的创新概念并对其进行优化求解，在正反馈环节中引人时变参数并利用经验信息和启发信息进行解算，从而有效地防止遗传算法中的“早熟”和基本蚂蚁算法中可能发生的“停滞”状态，获得选择合作伙伴多目标组合优化问题的最优解．     

A tentative research on complexity of Automatic Programming

In this paper, based on the following theoretical framework: Evolutionary Algorithms + Program Structures = Automatic Programming, some results on complexity of automatic programming for function modeling is given, which show that the complexity of automatic programming is an exponential function of the problem dimensionN, the size of operator set |F| and the height of the program parse treeH. Following this results, the difficulties of automatic programming are discussed. Some function models discovered automatically from database by evolutionary modeling method are given too.     

带安全检测的云数据中心虚拟机迁移策略

在云数据中心的构造过程中,通过设计安全的架构来降低能量消耗是一种新的思路.提出了基于安全检测的虚拟机迁移策略,利用隔室技术及病毒传染模型(susceptible infected recovered,SIR)在虚拟机迁移过程把有安全威胁的虚拟机隔离出来,保证云数据中心的能量消耗与安全级别的平衡;参考Cloudsim项目中虚拟机迁移方法,将基于安全检测的策略分为安全虚拟机选择算法(security based selection,SBS)与安全虚拟机放置算法(security based placement,SBP);以Cloudsim云计算模拟器中的虚拟机选择及虚拟机放置策略作为性能比较对象.仿真实验结果表明,基于安全检测的虚拟机迁移策略可扩展性较好,可以抵御网络攻击,在能量消耗上只有少量的增加,可以作为其他云服务提供商构造云数据中心的参考模型.     

基于极点对称模态分解-分散熵和改进乌鸦搜索算法-核极限学习机的短期负荷区间预测

针对确定性负荷点预测存在不同程度误差及难以反映电力需求不确定性的问题,提出一种基于极点对称模态分解(extreme-point symmetric mode decomposition, ESMD)-分散熵(dispersion entropy, DE)和改进乌鸦搜索算法(improved crow search algorithm, ICSA)优化核极限学习机的短期负荷区间预测模型。首先用ESMD将原始负荷时间序列分解为多个特征互异的子序列,降低了原始非平稳负荷序列对预测结果的影响,并计算各子序列的分散熵,将熵值相近的子序列重组为新序列以降低计算规模;其次,基于上下限估计法,利用ICSA算法对核极限学习机(kernel extreme learning machine, KELM)输出权值进行优化,得到最优预测区间上下限,并以此分别对各新序列进行区间预测;最后将预测结果叠加得到最终的预测区间。仿真结果表明,所提模型有效提高了负荷预测区间的质量,为电力系统决策工作提供有力支持。