一种新的免疫遗传算法及其应用

为了克服基本遗传算法存在的缺点和不足,将免疫系统中抗体多样性的维持机制引入遗传算法,同时兼顾个体多样性和提高种群中个体适应度的水平,提出了基于相似性矢量距为选择概率的免疫遗传算法,并给出了此类概率选择的一般表示形式.为了防止基于相似性矢量距为选择概率的免疫遗传算法在优化过程中出现退化现象,通过在算法中引入免疫疫苗的方式,对该算法进一步加以改进.从每一代保优抗体中提取有效信息,进而得到一种新的疫苗提取方法.基于所提出的改进免疫遗传算法,提出了改进的编码方案.对20个城市的TSP问题进行研究,通过不同参数的比较,得出了算法中相关参数的取值范围.比较了6种算法的收敛速度,进一步证实了所提出算法具有良好的收敛性.     

基于疫苗自动获取与更新的免疫遗传算法

收敛速度缓慢已成为遗传算法研究中亟待解决的主要问题之一．为了提高遗传算法的收敛速度,提出了一种基于疫苗自动获取与更新的免疫遗传算法．从各代种群中选出优良个体,然后从这些优良个体中提取免疫疫苗,概率地对后代种群的个体接种疫苗．接种疫苗是利用疫苗确定位上的等位基因替代个体相应位上等位基因的操作．接种疫苗加速了优良模式的繁殖,修复了被交叉、变异破坏的优良模式．种群与疫苗库相互作用、协同进化,极大地提高了算法的收敛速度．基于模式定理分析了算法的计算效率．最后,几个典型函数优化问题的仿真结果表明了算法的可行性和有效性．     

基于关键路径疫苗的免疫遗传算法求解JSP问题

车间作业调度是决定工件加工顺序以及分配相应设备的过程,合理的调度方案能提高设备利用率.针对单件车间调度问题,采用免疫遗传算法进行调度方案求解.基于关键路径的思想,提出一种新的疫苗提取和接种方法.疫苗提取时,取种群中最优个体的关键路径信息作为疫苗,接种时,依据该疫苗信息修改待接种个体各机器上的工件安排顺序,从而继承最优个体关键路径上的信息,提高个体适应度,加速算法寻优过程.通过对标准测试案例的求解,以及与其他算法的比较,结果表明关键路径疫苗技术是有效的.     

基于多智能体的自动免疫接种模型

随着互联网的发展,网络风险随处可见,联网计算机迫切需要一种及时有效的方法来检测并避免网络风险。为了解决全网对网络入侵的快速检测和快速免疫问题,文章结合人工免疫思想和并行遗传算法提出了一种能够针对网络入侵,自动提取入侵疫苗,并对全网进行免疫接种的模型。模型中采用并行遗传算法提取疫苗,融合各个种群的优良个体得到最佳疫苗,通过基于关键主机的免疫信息发布算法对主机进行免疫接种,从而达到全网的免疫效果。     

基于动态疫苗库的免疫遗传算法解决车间调度问题

为了求解车间调度这一NP问题,提出了基于动态疫苗库的免疫遗传算法。本算法改变了以往的基于工序的编码方式,采用基于优先权的编码方式,设计了相应的交叉和变异方式。同时,在不断地调整基因库和进行疫苗接种的过程中来判断基因库中基因片段的优劣,以此来不断动态地调整疫苗库,使得更好的疫苗进入疫苗库中,更好地指导种群的进化。仿真实验表明,该算法是高效的。     

异构环境下独立任务分配问题的免疫遗传算法

针对异构环境下独立任务分配问题，提出了一种免疫遗传算法，为抑制早熟停滞现象，基于免疫原理，为遗传算法定义了染色体浓度，采用免疫变异算子来维持种群的多样性，采用接种疫苗算子来提高算法的求精能力，使算法在空间探索和局部求精间取得了很好的平衡，仿真结果表明．遗传算法能够很好地应用于求解任务分配问题，基于免疫原理的优化算子能够有效地提高遗传算法的搜索效率、优化搜索结果．     

基于K-均值聚类的免疫粒子群优化算法

在解决复杂函数优化问题时,免疫粒子群优化算法在疫苗提取操作中,通常把最佳粒子作为有效特征信息,没有从根本上解决"趋同性"问题,影响算法的收敛速度和收敛精度.针对该问题,提出了一种基于K-均值聚类的免疫粒子群优化算法(KIPSO),将K-均值聚类算法用于免疫疫苗的提取,确定最高平均适应值的聚类中心及其最大邻域,得到符合具有最优个体特征的疫苗集,并以自适应方式确定疫苗集进行疫苗更新,提高算法的收敛性.仿真结果表明,与免疫粒子群优化算法相比,该算法提高了收敛速度和收敛精度.     

基于免疫遗传算法的制造元设计

为了提高工厂的生产效率,给出了一种制造元设计问题的解决方案.基于单元数规则,建立了制造元设计问题的整数规划模型;受生物接种疫苗提高免疫机理的启发,把问题的先验知识抽象成疫苗,利用疫苗接种提高算法的收敛速度,利用免疫克隆选择机理避免算法早熟,设计了一种基于疫苗接种的免疫遗传算法.最后构造了一种基于免疫遗传算法的制造元设计问题解决方案.实验结果表明,该方案能够有效地解决大中等规模的制造元设计问题,具有较高的应用价值.     

一种注入免疫疫苗的排调课遗传算法

遗传算法解决排课问题搜索的随机性,结合免疫理论中的疫苗思想,在算法过程中加入抽取疫苗和接种疫苗的步骤,建立了先验知识库,使得整个算法在解决冲突时的进化过程,由疫苗导向的性而向最优解发展,使得整个排调课系统不再需要做大量重复的工作,减少了工作量,提高了效率。     

改进的免疫算法求解TSP问题

针对TSP问题,提出基于人工免疫理论的提取免疫疫苗和注射疫苗的新算法对免疫算法进行适当的改进,给出了新的疫苗结构,以提高算法求解问题的迭代速度。实验结果表明,改进的免疫算法较原免疫算法在求解TSP问题时具有更快的收敛速度。     

免疫遗传蚁群融合算法

提出了一种融合蚁群系统、免疫算法和遗传算法的混合算法。将免疫算法和遗传算法引入到每次蚁群迭代的过程中,利用免疫算法的局部优化能力和遗传算法的全局搜索能力,来提高蚁群系统的收敛速度。该算法通过遗传算法的选择、交叉、变异操作和免疫算法的自适应疫苗接种操作,有效地解决了蚁群系统的易陷入局部最优和易退化的缺点。通过对旅行商问题的仿真实验表明该算法具有非常好的收敛速度和全局最优解的搜索能力。     

免疫组播路由选择算法

研究了带宽延时受限、费用最小的QoS组播路由问题，并提出了一种解决该问题的免疫算法．免疫算法的核心在于免疫算子的构造，而它又是通过接种疫苗和免疫选择两个步骤来完成的．根据QoS组播路由问题，给出了免疫疫苗选取与免疫算子构造的具体方法．将免疫算法应用于组播路由选择，是通过在基于遗传算法的组播路由选择的基础上引入免疫算子来实现的．该算法采用的进化算子简便、高效．仿真实验表明，该算法不仅有效可行，而且较好地解决了标准遗传算法中出现的退化现象，提高了收效速度和搜索能力．     

基于免疫遗传算法的智能组卷系统设计

为解决实际的组卷问题,降低组卷过程中的主观性,将免疫机制结合到遗传算法中,提出了一种基于免疫遗传算法的智能组卷算法,并从抗体编码、抗体选择、接种疫苗等方面对算法进行了优化。实验结果表明该算法取得了满意效果,具有较高实用性。     

基于模式记忆的免疫遗传算法

免疫遗传算法在传统遗传算法的全局随机搜索的基础上,借鉴生物免疫机制中的抗体的多样性,能有效提高群体的多样性,同时其具有记忆功能能够有效地提高搜索效率。但是在函数优化问题的解决上,免疫记忆功能一直没有能很好的实现。该文提出在免疫遗传算法中引入模式控制的方法来解决复杂函数优化的问题。基于免疫遗传机制,利用免疫记忆库记忆优秀免疫遗传模式,它能有效地加速优化过程,并且克服通常函数优化无缺乏记忆的功能。通过一个复杂函数的仿真实例证明了该方法的有效性。     

基于疫苗接种的免疫算法

用一种基于疫苗接种的免疫算法对货担郎问题求解,该算法在保留了基本遗传算法随机全局搜索能力的基础上,引进了生物免疫系统的免疫应答、接种疫苗、免疫选择等机制,对算法的收敛方向加以控制,从而促进算法的快速求解.实验结果证明,基于疫苗接种的免疫算法能效改善遗传算法的不成熟收敛等缺陷,提高了全局搜索效率,在货担郎问题求解中取得满意结果.     

基于克隆选择遗传算法的图像阈值分割

为了快速有效地得到图像的最佳阈值,基于人工免疫系统中的克隆选择原理,提出一种新的混合遗传算法,并将其应用于基于最大类间方差法的图像阈值分割问题.该算法用克隆选择代替标准遗传算法中的概率选择,根据抗体.抗原的亲和度对种群中的优良个体有选择的克隆增殖,并利用抗体浓度调节机制采抑制高浓度抗体、促进低浓度抗体,以保持种群中个体的多样性.从而避免了遗传算法陷入局部最优解,出现早熟收敛现象.仿真实验结果表明,该算法对多类图像的良好分割效果和较强的实用能力.