具有疫苗算子的可变模糊匹配阴性选择算法

为了建立可变模糊匹配阴性选择免疫算法的特异性免疫应答,基于模糊思想并采用疫苗理论,在监测异常过程中提取疫苗,研究疫苗算子和正选择算子对算法性能的影响.仿真结果表明：疫苗算子增强了抗体库的记忆功能,使算法二次应答时间明显缩短,而正选择算子是完成这种功能的具体实施者.可变模糊匹配阴性选择免疫算法经改进设计后,具有较强的自学...     

自适应并行混沌免疫进化规划

基于克隆选择原理,提出一种新的并行混沌免疫进化规划算法.在算法中,根据抗体抗原亲和度将抗体种群分为两个子群,相应的提出混沌克隆算子和超变异算子,混沌克隆算子在局部空间具有较强搜索能力,超变异算子在广阔空间具有大范围搜索能力,通过两个算子的并行操作使局部寻优和多样性保持相结合,从而提高算法的搜索效率.仿真表明,与传统进化规划(EP)和基于混沌变异的进化算法(EACM)相比较,并行免疫进化规划搜索效率高,能有效抑制早熟收敛现象,可用于解决复杂的机器学习问题.     

基于独立集划分的图着色算法

针对经典的图着色问题,在顶点集随机划分的基础上,设计了一种寻求集合个数最少的独立集划分遗传算法.运行算法获得的独立集个数即为图的色数.算法引入了模块化函数思想,采用了单向传递交叉算子.通过贪婪局部优化初始种群和杂交后代个体,使算法具有较好的收敛速度.对四个经典算例的仿真结果表明,本文提出的算法可获得问题的高质量解,是一种有潜力的算法.     

改进量子交叉免疫克隆算法及其应用

根据不同交叉算子的互补特性,提出了改进量子交叉免疫克隆算法(improved quantum crossover immune cloanl algorithm, IQCICA)。交叉算子由具有深度挖掘和广度挖掘特征的两种算子组成,并通过适当的参数控制两种算子的选择。将该算法应用于著名的组合优化问题-旅行商问题(traveling salesman problems, TSP),并将计算结果与其它算法进行了对比分析。仿真结果表明,混合量子交叉免疫克隆选择算法能有效平衡全局和局部搜索能力,有着较好的收敛速度和稳定性。     

基于疫苗理论的变阈值免疫阴性选择算法

为了提高变阈值免疫阴性选择算法的检测效率,对算法的监测系统异常部分进行了改进设计,建立并实现了算法的"适应性免疫反应"功能.在算法中加入了疫苗算子和阳性选择算子,建立了具有动态刷新功能的抗体库.抗体库在动态刷新的过程中去掉了冗余,使冗余的消除也具有自适应性.仿真结果表明,变阈值免疫阴性选择算法经改进设计后,具有较强的自...     

一种免疫补体优化算法

针对目前提出的免疫优化算法在求解优化问题时还存在收敛速度慢,往往不能求得最优解,鲁棒性低的问题,基于生物免疫补体激活原理,提出了一种免疫补体优化算法。在算法中,依据补体激活理论,设计了主要的补体算子：分裂算子和结合算子,并根据补体激活过程,通过补体算子的作用对问题解不断优化,求得全局最优解。最后对算法的收敛性和鲁棒性进行了理论分析,并将免疫补体优化算法与典型的克隆选择算法进行了对比实验。理论与实验结果表明了免疫补体优化算法是收敛的,并且收敛速度更快,求得的最优解更好,鲁棒性更高。     

遗传算法中"免疫算子"的构造与性能

文章在研究了遗传算法的编码方式、控制参数和算子操作之后,针对其全局收敛性不足的问题,在基本遗传算子的基础上采用免疫遗传算子和保优策略来防止交叉变异中的个体退化,保证遗传算法尽快收敛到全局最优解.阐述了“免疫算子”的构造及运行机理,分析了算法的性能.以25杆桁架结构可靠性优化问题作为例子说明该算法的优越性.结果表明该方法具有较好的收敛性和收敛效率,因此是一种可行的基于可靠性的结构优化策略.     

求解协同干扰问题的高效免疫遗传算法

为协同干扰武器目标分配问题建立的数学模型,当问题规模增大时,现有的智能求解算法表现出两点不足,一是所求解质量下降;二是求解速度不可接受。针对该两点不足提出了具有贪婪修复过程的免疫遗传算法,算法设计了通用十进制扩展编码方案、基于免疫的轮盘赌选择算子和贪婪修复算子。仿真实验表明,该算法与现有算法相比具有明显的效率优势,在解决大规模协同干扰武器目标分配问题时不仅解算时间可接受而且所求解质量比同类算法高。     

基于免疫算法的B-P网络权值设计

提出了一种基于免疫算法的B-P网络权值设计方法，用于实现B-P网络权值空间的搜索．该免疫算法是借鉴生命科学中免疫的概念与理论提出的一种新的算法，算法的核心在于免疫算子的构造，即接种疫苗和免疫选择．免疫算法具有较好的全局收敛性和很强的自适应环境的能力．实验结果也验证了该算法在设计B-P网络权值时的高效能．     

一种多模态函数优化的免疫算法

结合免疫系统的研究成果,并基于克隆选择原理和免疫网络理论,设计并实现一种多模态免疫优化算法。算法的主要操作算子包括Baldwin效应设计、克隆选择、超变异及通过免疫网络调整对抗体相似性抑制等。通过对不同的多模态测试函数进行仿真实验,证明了算法具有较强的多模态函数优化能力。     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

一种改进的免疫克隆选择算法

针对传统免疫克隆选择算法收敛速度较慢的问题,结合克隆概率和免疫概率的自适应变换、群体灾变算法以及有无记忆库思想,提出了无记忆库的自适应免疫克隆选择算法与有记忆库的自适应免疫克隆选择算法,并将其应用于TSP问题.群体灾变算法的应用便于使算法尽快摆脱迟钝状态,并使算法能够保持抗体多样性.自适应方法的应用使得算法在进化初期有较强的全局搜索能力和较弱的局部搜索能力,随着进化的进行,全局搜索能力逐渐减弱,局部搜索能力逐渐增强,便于找到全局最优点.仿真实验结果表明,与传统的免疫克隆算法相比,该算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度较快.     

基于免疫算法的聚类分析与实现

在介绍自然免疫系统功能和特性的基础上,阐述了人工免疫算法的基本原理．从提取生物免疫系统的隐喻机制,基于免疫网络理论和克隆选择原理,建立了一种人工免疫数据聚类分析算法．并详细论述了该算法在电梯交通时段自动划分中的具体应用,MATLAB仿真表明该算法可以有效减少聚类数据的冗余信息,对解决交通时段自动划分等数据聚类问题是可行的和有效的．     

免疫算法在火电机组优化组合中的应用

为克服传统优化算法和遗传算法无法快速有效得到全局最优解的问题,提出了应用免疫算法进行机组组合优化.目标函数对应于免疫算法的抗原,优化解对应于免疫算法中的抗体,通过适应度来评价抗体与抗原的结合程度,与抗原结合最好的抗体就是问题的最优解.对机组运行状态的持续时间进行抗体编码,改善了算法的收敛性.经实例验证表明,优化免疫算法具有良好的搜索性能,是解决机组优化组合问题的有效方法.     

新型动态模糊神经控制器及其混合学习算法研究

介绍了一种基于动态模糊神经控制器的控制系统,通过在模糊神经网络控制器的第2层引入动态递归环节,使其具有动态映射能力,并提出了动态模糊神经控制器的混合学习算法,即先采用免疫遗传算法的“粗”学习,再采用BP梯度算法的“细”学习,通过对锅炉主汽温控制的仿真表明了该网络结构和训练方法是可行的和有效的。     

基于免疫算法的球形译码算法研究

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的性能最接近最大似然检测算法,是目前应用最为广泛的一种信号检测方法,但传统的球形译码算法在低信噪比时计算复杂度较高,在高信噪比时误码率性能不够理想.该文提出了一种改进的球形译码方法,利用免疫算法的寻优能力来获得最佳的初始搜索半径,从而达到在保证译码性能的同时有效地降低计算复杂度的目的.实验仿真结果表明,与传统的球形译码算法相比,基于免疫算法的球形译码方法在高信噪比下可以达到最大似然译码的性能,同时能有效降低低信噪比时的运算复杂度,从而更符合现代无线通信实时性的要求.     

量子进化算法和免疫算法的比较研究

量子进化算法和免疫算法都是解决优化问题的强有力算法。在分析了量子进化算法搜索的特点和免疫算法的机理基础上,对它们进行比较,阐明了二者的不同特点,并通过仿真实例总结出它们在求解多峰值函数优化问题上各自的优缺点。     

Distance Concentration-Based Artificial Immune Algorithm

The diversity, adaptation and memory of biological immune system attract much attention of researchers.Several optimal algorithms based on immune system have also been proposed up to now. The distance concentration-based artificial immune algorithm (DCAIA) is proposed to overcome defects of the classical artificial immune algorithm (CAIA) in this paper. Compared with genetic algorithm (GA) and CAIA, DCAIA is good for solving the problem of precocity, holding the diversity of antibody, and enhancing convergence rate.     

克隆选择单变量边缘分布算法

张庆彬，吴惕华，刘波针对单变量边缘分布算法（UMDA）求解复杂优化问题的局限性，将人工免疫系统引入分布估计算法（EDAs）领域，提出了一种基于克隆选择原理的单变量边缘分布算法.该算法在进化过程中的每一代执行若干次克隆选择算法（CLONALG），利用克隆选择过程中的高频变异操作提高混合算法的局部搜索能力.通过对2种不同旅行商问题（TSP）的仿真实验表明，与UMDA、CLONALG以及UMDA和2 opt局部搜索算法的混合算法(UMDA2 opt)相比，克隆选择单变量边缘分布算法具有更高的优化性能.