基于免疫算法的E面波导分支耦合器优化技术

免疫算法结合“熵”的概念,采用基于浓度的选择机制,既鼓励适应值高的个体,又抑制浓度高的个体,从而保证了算法的收敛性及解群体的多样性.使用免疫算法结合有限元数值计算方法优化E面波导分支耦合器,通过和现有的优化设计算法作比较,表明了基于免疫算法的微波电路优化设计具有高效性和精确性.     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

用一种免疫遗传算法求解频率分配问题

频率分配是一NP完全问题,本文用一种基于免疫调节机制的免疫遗传算法来求解.该算法结构类似于遗传算法;核心思想是将个体集构造为抗体网络,利用免疫浓度调节机制在个体层次调节个体的多样性,同时利用免疫网络调节理论在种群层次调整个体多样性和群体收敛性之间的动态平衡,从而克服了一般遗传算法的不足.本文同时用该算法解决固定频率分配和最小跨度频率分配问题,取得了较好的效果.     

基于免疫算法的IIR数字滤波器优化与实现

由于IIR数字滤波器设计实质上是一个非线性高维复杂函数优化问题,文中提出基于具有全局搜索能力强,收敛速度快特点的免疫算法实现IIR数字滤波器优化设计的新方法,给出了IIR滤波器优化设计的数学模型,描述了应用免疫算法优化设计IIR数字滤波器的具体实现步骤。通过低通和高通IIR数字滤波器设计的仿真结果表明方法的有效性和高效性。     

基于嫁接遗传算法的微波电路优化技术

嫁接种群向进化种群添加个体的多样信息，避免了基本遗传算法的过早收敛。同时嫁接种群指导进化方向，加快了收敛速度。另一方面交叉矩阵使适值高的个体以低概率交叉，在一定程度上改善了算法的收敛性。最后用四种优化方法设计宽带阶梯阻抗变换器，结果表明基于嫁接遗传算法的微波电路优化设计具有高效性和精确性。     

基于自适应免疫遗传算法的多序列比对

针对多序列比对问题提出一种基于自适应免疫遗传算法的多序列比对方法。为了保持群体中个体的多样性，以及加快算法的收敛速度，该算法中交叉概率和变异概率根据群体的多样性自适应调整，并且在选择免疫算子时采用择优策略，将免疫算子引入到自适应遗传算法中，通过对个体接种疫苗来进一步提升个体的存活能力。     

免疫克隆分类算法

本文提出了一种新的数据挖掘分类方法——免疫克隆分类算法（Immune Clonal Algorithm for Classification，ICAC）．ICAC是一种基于免疫克隆算法的搜索机制和Michigan方法模型的规则提取和分类方法．与遗传分类算法不同，ICAC是一种自下而上的分类算法．ICAC虽然着眼于规则的进化，但是从编码到免疫算子的设计都立足于训练样本，可避免进化过程中产生无意义规则，且产生的规则是可解释的．文中将算法用于UCI数据集，并与现有的基于非遗传算法、遗传算法和分布式遗传算法的分类方法进行了比较实验．结果表明，ICAC是一种有效的分类算法．     

精英免疫克隆选择的协同进化粒子群算法

提出一种精英免疫克隆选择的协同进化粒子群算法（Elite immune clonal selection co-evolutionary particle swarm optimization,EICS-CPSO）.算法借鉴了协同进化思想和精英策略,基于精英种群与普通群体并行协同进化框架.高适应度的精英个体组成精英团体,运用自适应小波变异的免疫克隆选择算子对精英团体进行提升引导操作.普通种群间个体极值采用柯西交互学习机制提高微粒个体极值收敛性能;迁移操作进一步推进了整体信息共享与协同进化.实验结果表明该算法收敛精度快且全局搜索能力强,且具有较好的动态优化性能.实验分析表明该算法对参数不敏感,易于使用.     

基于免疫算法的入侵检测系统特征选择

入侵检测系统中的特征选择是一个组合优化问题。为了有效地进行特征选择，提出一种结合进化思想的免疫算法。算法中的免疫记忆单元确保了快速收敛于全局最优解，算法中的均匀交叉操作则体现了进化的思想。提出一个基于神经网络的入侵检测系统模型．该模型具有多分类．易于更新系统使其快速适应新型入侵的特点。在KDDCUP’99上的实验表明该算法是有效的。     

基于无线射频定位系统的网络拓扑优化

以遗传算法和免疫算法相结合的算法为研究手段,为无线射频网络的拓扑结构做了优化.这个设计在传统的遗传算法上加以改进,结合了遗传算法和免疫算法的优点,将免疫算法作为遗传算法的一个更新个体的算子,从而提高了遗传算法的搜索能力,使得网络拓扑的结果更加优秀.     

一种基于生物免疫遗传学的新优化方法

本文将免疫遗传学的基本思想引入到优化设计中.模拟生物体的实际免疫行为,设计出了融合应答、免疫记忆、基因重组、新陈代谢、浓度控制、隔离小生境技术和混沌思想的实用化的免疫遗传算法.然后利用此算法对多峰值函数的寻优过程进行实验研究,证明了本文的方法能够改善简单遗传算法的优化能力,所得结果令人满意.     

基于改进遗传算法的网格资源调度算法

网格计算关注大规模的资源和任务调度，要求采用的调度算法能够具有高效性。提出一种基于改进遗传算法的资源调度算法，该算法综合考虑了资源任务分配量以及任务完成时间，从而设计出良好的交叉和选择算子，既能够保留完成时间比较小的个体又能够保留具有一部分优秀资源分配方式的个体．算法具有较好的效率和收敛性。     

基于免疫的并行单亲遗传算法研究

在分析了单亲遗传算法的优越性与存在不足的基础上，借鉴生物免疫概念与理论并结合并行计算的思想，提出了一种新的遗传算法——基于免疫的并行单亲遗传算法。理论分析和仿真结果表明，该算法不仅能够有效地保持群体多样性，而且减轻了遗传算法后期的波动现象，同时收敛速度有明显的提高。     

一种基于梯度免疫算法的参差MTI滤波器设计

为了解决动目标检测过程中的盲速问题,通常采用参差周期法设计参差滤波器组来达到同时抑制杂波和推远盲速的效果。提出了一种基于梯度免疫算法的参差MTI滤波器优化设计。该算法利用免疫算法搜索最优参差码,有效地避免了传统遗传算法中的早熟问题。针对传统的遗传算法运算量较大的问题,引入了梯度算子缩小初始种群规模,使运算量大大减少。仿真结果验证了算法的可行性和有效性。     

基于个体差异的遗传选择算子设计

本文针对遗传算法采用基于局部竞争机制的选择算子不易跳出局部最优的问题，设计了一种基于个体差异的局部竞争选择算子，局部竞争作用的区域由种群内个体间的差异决定，有利于保持种群的多样性，增强了算法从局部最优中跳出的能力．仿真结果表明，遗传算法采用基于个体差异的选择算子，在全局极大值附近存在剧烈震荡的情况下，有效地保证了算法优化成功率和效率．     

基于混合优化策略的微分进化改进算法

微分进化算法具有控制参数少、鲁棒性强、易于使用等优点，并具有不同的优化策略．本文在对微分进化算法各优化策略性能进行分析的基础上，提出了基于混合优化策略的微分进化改进算法．改进算法的主要思想是将种群中的个体随机地分成两组，每组采用不同的优化策略．利用五个标准的优化算法测试函数对改进算法的收敛速度和搜索成功率进行了测试，并与动态微分进化算法和微粒群算法进行了比较．实验结果表明，本文提出的改进算法在保证算法搜索成功率的同时，大大提高了算法搜索效率．     

FIR带通滤波器优化设计研究

提出了一种基于BP学习算法的正弦基函数神经网络模型，给出了该社会网络模型的收敛性条件，为社会网络训练的学习效率选取提供了依据。根据本文提出的优化设计算法，作者详细研究了FIR线性相位带通滤波器优化设计实例，研究结果表明，本文设计的FIR带通滤波器，基阻带衰耗特性好，最小衰耗分别在100分贝和140分贝以上，这是任何其它优化设计方法难以实现的，研究结果表明了本文提出的基于BP算法的正弦基神经网络模型是一种有效的神经网络模型。     

基于粒子群优化和免疫Agent的入侵检测算法研究

为解决传统入侵检测系统检测速度慢和误检率高的问题,结合量子粒子群优化算法、免疫原理和移动A-gent技术,提出了基于粒子群优化算法和免疫Agent的入侵检测模型.介绍了系统模型与体系结构,并对系统性能进行仿真实验.实验结果对比表明,系统能提高传统入侵检测系统的检测速度和降低误检率.     

基于形状的颗粒识别系统的研究和实现

从应用的角度出发，结合一个实际的基于形状的颗粒识别系统，对整个系统中采用的图像处理的技术进行了介绍，重点解剖了传统的基于模板的匹配算法的不足，提出了用一种新的描述目标形状的算法来进行相应的处理，并对其算法进行了详尽的分析．结论表明，运用该算法对目标物体形状进行标志，能达到一个相当高的识别率。     

基于多用户MIMO-OFDM系统的子信道和功率分配算法

在多用户MIMO-OFDM系统中，当总功率受限时，为了使整个系统的数据传输速率最大．已有的最优算法的计算十分复杂，这里采用了一种次最优算法。在发射端，基于已知信道状态信息。应用奇异值分解将MIMO信道转化为并行的子信道，并将表征信道增益的信道特征值用于子信道自适应调制优化设计中。在自适应过程中．用到了子信道和功率联合分配算法。仿真结果表明，这种算法能使系统的性能明显提高。