基于免疫遗传算法的路径测试数据生成的研究

提出了一种基于免疫遗传算法的路径测试数据的自动生成的方法。该算法在遗传算法中加入免疫算子,免疫算子其中包括获取疫苗、注射疫苗和免疫选择。并在海明距离法的基础上,文中提出了一种路径测试的适应度函数的改进方法。实验表明,采用改进的适应度函数的免疫遗传算法在数据自动生成上效果更优。     

基于模糊K—Modes和免疫遗传算法的聚类分析

为了克服传统的模糊K-Modes算法分类正确率低、收敛速度慢的缺点,文中将免疫遗传算法应用到聚类分析中,提出了一种基于模糊K-Modes和免疫遗传算法的聚类算法.通过引入免疫算子,不仅提高了收敛速度,而且避免了陷于局部极小,从而能较快地收敛到全局最优解.免疫算子包括抽取疫苗、接种疫苗和选择疫苗.实验结果证明,此算法具有较好的聚类效果,且稳定性强.     

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．     

免疫遗传算法在图像分割中的应用

提出一种基于免疫系统的免疫记忆特性所改进的遗传算法。该算法方面在传统的遗传算法的初始种群中,加入了根据先验知识制成的疫苗,从而大大提高了算法的收敛速度;另一方面,对遗传算子中的选择算子也进行了改进,吸取了免疫系统中的克隆选择的优点,并且根据细胞的亲和力进行变异,进而提高了图像分割的速度。     

基于免疫算法的嵌入式系统软硬件划分方法

软硬件划分是嵌入式系统协同设计的关键问题之一。提出了一种划分模型，并通过改进的免疫算法解决了在多约束条件下软硬件划分的优化问题。在该免疫算法中，引入了免疫算子，通过从以往经验中提取疫苗，在生成子代过程中注入疫苗，使划分算法得到了优化。实验表明该算法具有较快的收敛速度，并且在总体性能上优于传统遗传算法。     

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．     

基于自适应免疫遗传算法的边缘检测

为了使检测的图象边缘结构定位好 ,并且产生连续的精细边缘 ,同时能滤除边缘图象中的噪声干扰 ,基于费用函数最小化方法 ,提出了一种自适应免疫遗传算法用于图象的边缘检测 .为了保持群体中个体的多样性 ,同时加快算法的收敛速度 ,该算法中交叉、变异和免疫算子采用了自适应变化而非固定的概率 ,同时免疫算子采用了几何形式的退火选择方案 .由于该算法能够有效地利用局部边缘结构的一些先验知识和特征信息制作成免疫疫苗 ,其局部搜索能力较经典的遗传算法有很大的提高 .该方法用于灰度图象时产生了令人满意的检测效果 ,并对噪声有较好的抑制作用     

一种新的求解最小权三角划分的免疫算法

提出了一种基于自适应免疫遗传算法的求解最小权三角划分(MWT)问题的方案，通过自适应地调整疫苗库的进化和有选择地注射疫苗，提高了新算法的收敛速度和全局搜索能力，结合具体的MWT问题，给出了疫苗更新与注射算子构造的具体方案。仿真实验表明，新算法能产生比免疫算法更好的划分效果，尤其适合大规模点集，有较大的实用价值。     

改进的自适应免疫遗传算法在图像增强中的应用

针对传统图像增强方法中图像细节丢失、图像对比度不明显以及方法普适性差等缺点,提出了一种自适应免疫遗传算法用于图像增强。该算法与传统遗传算法的不同在于引入免疫算子抑制优化过程中出现的退化现象,根据个体适应度自适应调整遗传算子的概率值和基因变异位数,从而增强了种群多样性,提高了算法快速性和全局收敛性。实验结果表明：基于该算法的图像增强具有图像细节清楚、对比度强、方法普适性强等优点。     

车辆路径问题的改进免疫遗传算法

物流配送车辆路径优化问题是在物流系统中受到普遍关注的问题,也是一个NP-Hard问题.针对物流配送车辆路径问题,提出并实现了一种改进的免疫遗传算法,给出了一种新的编解码方式,给出了相关的提取疫苗、接种疫苗、免疫选择等免疫算子以及选择、交叉、变异等遗传算算子的具体设计,通过在遗传算法中加入免疫选择,保证了算法以概率1收敛,同时提高了算法的寻优性能.实例验证了该算法的可行性,有效性.通过仿真验证,该算法运算速度快、结果精度高,对物流配送车辆路径优化问题研究具有一定的参考价值.     

一种支持构件化软件测试用例生成的免疫算法

提出了一种支持构件化软件测试用例生成的改进的免疫遗传算法(Improved Immune Genetic Algorithm,简称IIGA),证明了算法的收敛性,并介绍了算法的基本思想。通过将IIGA算法与传统遗传算法在构件化软件测试用例生成中的比较,验证了算法的正确性、高效性。     

基于危险模式的入侵检测免疫算法

阐述了危险模式理论的运行机理,针对目前基于传统免疫学的入侵检测算法中误报率较高的缺陷,提出了一种基于危险模式的入侵检测免疫算法模型,并通过实验证明了该算法的优越性。     

基于危险模式的入侵检测免疫算法

阐述了危险模式理论的运行机理,针对目前基于传统免疫学的入侵检测算法中误报率较高的缺陷．提出了一种基于危险模式的入侵检测免疫算法模型,并通过实验证明了该算法的优越性。     

基于免疫克隆退火算法的P2P路由算法

为改善P2P网络中传统路由算法存在的不足,结合免疫克隆算法和模拟退火算法的优点,提出一种基于免疫克隆退火算法的P2P路由算法。该算法充分考虑节点间延迟、带宽和费用等差异。实验结果表明,该算法能有效提高路由效率,减少路由延迟,整体性能优于其他路由算法。     

基于免疫系统的DSS模型设计研究

该文探讨了人工免疫系统的相关内容以及其生物机理,探索了DSS模型库的实现规律。在此基础之上,把人工免疫系统应用于DSS模型设计,并给出了具体的实现算法。通过使用本方法可以有效地改善了采用传统遗传算法用于处理同类问题时的种群分布不均匀陷入局部最优、未成熟收敛等缺陷。     

一种新的混合免疫算法

免疫算法是在免疫系统识别多样性的启发下所设计出的一种新的多峰值函数的寻优算法。文章针对目前人工免疫算法在收敛于全局最优方面存在的缺陷,提出了一种模拟退火免疫算法,引入Boltzmann退火选择算子,利用模拟退火算法可选择性接受恶化解的特点克服传统免疫算法的缺陷,并通过实验证明了该混合免疫算法的优越性能。     

基于免疫记忆的蚁群算法

充分利用前期迭代中解的信息是构造高效蚁群算法实现的关键之一.文中把免疫记忆和克隆选择的思想引入蚁群算法,提出了基于免疫记忆的蚁群算法(IMBACA).算法通过在原有蚁群模型上增加一个免疫记忆库,将记忆库中的解对应为免疫记忆细胞(及其产生的抗体),将问题对应为抗原,并借鉴克隆选择和免疫记忆的思想进行解的构造和信息素更新.算法从解的质量和时间方面与传统蚁群算法进行了比较,实验结果表明,所提出的IMBACA算法可明显提高传统蚁群算法的性能,同时也为解决其他组合优化问题提出了一个新的思路.     

基于免疫记忆的蚁群算法的WTA问题求解

武器-目标分配(WTA)是影响武器系统作战有效性的重要因素之一。该文在蚁群算法中增加一个额外的记忆库,利用免疫记忆和克隆选择的思想和方法,提出了基于免疫记忆的蚁群算法(IMBACA),并用于求解武器-目标分配问题。分别用给定数据集和随机数据集的WTA问题进行实验,并与传统蚁群算法和蚁群算法的混合算法进行比较,结果显示IMBACA在解的质量和时间性能上均取得了较好的 效果。     

基于多目标免疫系统算法的云任务调度策略

针对云计算环境下任务调度问题,为减少任务完工时间,同时降低任务执行费用,提出一种改进的基于多目标免疫系统的任务调度算法IMISA来寻找较优的可行分配方案。与传统分配适应度值不同,该算法将抗体群划分为非支配解集和支配解集,分别将非支配解的独立支配区域面积、支配解与所有非支配解所围成的多边形面积作为相应的抗体-抗原亲和力,根据相应亲和度计算克隆比例后克隆变异生成子代。在CloudSim平台上进行仿真实验,结果表明,与NSGA-Ⅱ及多目标免疫系统算法(MISA)相比,IMISA能够找到具有更短完工时间及更小的执行费用的调度方案,同时获得的Pareto解集也具有更好的分布性。     

基于区间算法的软件测试数据生成方法

软件测试过程中经常需要对大量的数值计算模块进行穷举测试，传统的软件测试方法就显露出了不足与局限。该文采用区间算法生成测试数据，比较了采用区间算法的软件测试方法和传统的软件测试方法，结果表明，区间代数方法很好地解决了传统测试方法不能解决的问题，发现程序代码中可能的计算异常，判断能否给出程序代码输出变量的上限范围和是否存在不可能达到的分支。