基于新型免疫算法的多峰函数优化

针对目前多峰函数优化问题较难找到全部局部最优解的情况,提出了改进的免疫优化求解方法。借鉴免疫系统的受体编辑操作、Baldwin效应,设计了相应的算子,增强了算法的学习能力,提高了算法的收敛速度。实验结果表明,本算法求解精度较高,提高了多峰函数寻优的精度。     

求解带约束的多峰函数优化问题的新演化算法

求解带约束的多峰函数优化问题在科学研究和工程应用中具有重要的现实意义。本文在对郭涛算法和“两阶段子空间演化算法”改进的基础上,通过采用混沌初始化和混沌变异算子,给出了一种求解带约束条件的多峰函数优化问题的有效的演化算法。通过对具有多峰的复杂函数的测试表明:该算法在求解质量和收敛速度方面都得到了很好的结果,表现出较强的鲁棒性。     

一种基于双变异算子的免疫网络算法

针对遗传算法难以解决多峰函数优化的问题,提出一种基于双变异算子的免疫网络算法.该算法借鉴免疫系统的克隆选择和免疫网络理论,采用双变异算子提高算法的全局和局部搜索能力.利用动态网络抑制策略保持神群的多样性,自适应地调节抗体群的规模.仿真结果表明,该算法能有效地改善种群的多样性,较好地实现全局优化与局部优化的有机结合,具有更强的多峰函数优化能力.     

多层前向网络的研究——遗传BP算法和结构优化策略

分析了引起BP算法局部收敛现象的原因,探讨了解决的途径.通过对遗传算法中 的基因群体的实数化,并将其与BP算法有机地集成起来,提出了遗传BP算法.此外,在借鉴 网络剪枝法思想的基础上,重新定义网络结构复杂度函数,并以遗传算法直接求解网络结构 优化问题,给出了网络结构优化策略.仿真结果和实际应用均表明了上述研究的成效.     

组合优化问题中遗传算法的局限性及其改进模式

遗传算法在解决多峰函数求解，多目标规划和生产调度等问题时，相对其它优化算法具有一定的优势，但仍存在严重的局限性，尤其表现在组合优化的求解问题中，为此，提出一种“生物进化过程＝遗传操作＋免疫功能”的新模式，并通过生产调度的求解问题验证了该算法的有效性。     

基于多峰函数优化的无线传感网稀疏事件检测

为提高无线传感网稀疏事件检测的实时性,提出一种基于多峰函数优化的压缩感知事件检测算法。该算法利用多峰函数最小化方法求解压缩感知检测算法中的欠定线性方程组问题。首先构造连续高斯函数对多峰目标函数进行逼近,而后通过求解连续函数的最优化问题得到多峰函数最小化的解。仿真实验表明新算法与以往的压缩感知检测算法相比,同一长度的事件向量,多峰函数最小化检测可在保证重构准确度的前提下有效缩短检测时间,而重构误差与经典算法基本一致。     

基于模拟退火的自适应粒子群优化算法的改进策略

针对PSO算法在求解问题的优化问题中易陷入局部收敛且收敛速度较慢等缺陷,引入一种初始化改进策略,并将模拟退火算法与PSO算法相结合,提出了一种全新的算法。该算法将寻优过程分为两个阶段:为了提高算法的执行速度,前期使用标准PSO算法进行寻优,后期运用模拟退火思想对PSO中的参数进行优化搜索最优解。最后将该算法应用于八个经典的单峰/多峰函数中。模拟结果表明,该算法有效地避免了早熟收敛现象,并提高了收敛速度,从而提高了PSO算法解决全局优化的性能。     

一种求解约束优化问题的改进型免疫克隆算法

针对约束优化问题提出一种基于精英库机制的改进型免疫克隆优化算法ICOAEB(Immune clonal optimization algorithm based on elite bank)。该算法利用精英库机制动态存储迭代过程中父代优势个体,实现优秀个体的多代记忆,从而提高算法寻优能力;并利用灾变算子扰动算法运行过程从而摆脱迭代缓慢的状态,避免局部收敛。通过对五个约束优化函数的测试,实验结果表明ICOAEB的求解精度和稳定性较高,可以较好地解决约束优化问题。最后针对影响算法性能的两项重要参数选择问题给出了相关的实验及分析。     

一种基于免疫和Hopfield神经网络的多峰值优化算法

分析了免疫算法和Hopfield神经网络的优缺点，提出了一种解决多峰值函数优化问题的混合算法。Hopfield神经网络易于硬件实现，具有简单、快速的优点，但是对初始值具有依赖性以及容易陷入局部极值。免疫算法具有识别多样性的特点，但搜索效率和精度不高。将两算法结合起来，优势互补。首先用免疫算法寻优，然后对所得具有全局多样性的解进行聚类分析，所得聚类中心作为Hopfield神经网络的初始搜索点，最后利用Hopfield神经网络逐个寻优。实验表明，该算法是一种有效的求解多峰函数优化问题的方法，与免疫算法相比，搜索效率和精度都较高。     

基于惩罚机制的自适应交叉粒子群算法

粒子群算法存在容易陷入局部收敛的问题,尤其在求解约束条件优化问题时。提出一种基于惩罚机制的自适应交叉粒子群算法,其分3个层次克服局部收敛,获得最优解。首先引入交叉操作,根据粒子群进化过程中的种群多样性模型得到全局最优解。其次为求解约束优化问题,提出了基于惩罚机制的交叉粒子群算法,改进了H策略和简化了P策略惩罚机制。验证了所提算法在算法复杂度没有明显增加的情况下,性能得到了提高。最后分析得出在解决约束条件优化问题时,根据问题本身单峰和多峰的不同特性,粒子群算法的参数对收敛速度和最优解有关键影响。提出用通用公式计算参数,使算法得到最优解,从而推广粒子群算法的应用。     

基于免疫遗传算法和梯度下降的RBF网组合训练方法

免疫遗传算法除了具有简单遗传算法的全局寻优能力外,还具有免疫记忆、免疫调节及多样性保持功能。梯度下降算法训练神经网络收敛速度慢,容易陷入局部最优,且受初始值的影响较大。本文综合两种方法的优点,提出一种用免疫遗传算法结合梯度下降算法的组合训练方法,用于RBF网的训练,并通过实验证明所提出的组合算法比简单遗传算法结合梯度下降组合算法的速度更快并且最终误差更小。     

面向多模态函数优化的混沌免疫网络算法研究

针对人工免疫网络解决多模态函数优化时可能出现的早熟收敛现象和搜索精度不甚满意的问题，提出改进的混沌免疫网络算法。改进算法终止条件及采取相应措施以避免早熟，利用混沌变量来模拟免疫细胞的增殖方式以提高算法的搜索精度。通过对一些典型测试函数进行仿真实验，结果表明该算法能够快速优化抗体，搜索能力强，搜索精度高，是一种效果优良的解决多模态函数优化问题的极值寻优方法     

基于免疫算法的模糊神经网络在板厚板形控制中的应用

本文设计了一种基于免疫算法(IA)的模糊神经网络板厚板形综合控制系统，用IA算法优化具有全局性的隶属函数参数后，再用梯度下降法在线调节和优化网络的局部性参数．在应用于二机架可逆冷连轧板厚板形综合控制中的仿真实验表明，该系统有较强的抗干扰性和较好的收敛性．     

基于蚁群-免疫算法的无线Mesh网QoS路由算法

无线Mesh网络作为一种新型无线网络技术, 应用日趋广泛. 为求解无线Mesh网QoS路由问题, 提出一种蚁群-免疫混合算法, 该算法结合蚁群算法和免疫算法的特性, 在搜索解的过程中, 通过增强解的对比度与动态调整参数Q相结合, 加快收敛速度, 防止算法陷入局部最优, 并根据先验知识提出了适应QoS问题的免疫变异策略, 有效的提高了算法的全局性能.     

一种求解动态优化问题的免疫文化基因算法

针对传统免疫网络动态优化算法局部寻优能力弱、寻优精度低及易早熟收敛的缺点,提出一种求解动态优化问题的免疫文化基因算法。基于文化基因算法基本框架,将人工免疫网络算法作为全局搜索算法,采用禁忌搜索算法作为局部搜索算子;同时引入柯西变异加强算法的全局搜索能力,并有效防止早熟收敛。通过对经典动态优化函数测试集在相同条件下的实验表明,该免疫文化基因算法相较于其他同类算法具有较好的搜索精度和收敛速度。     

Predication based immune network for multimodal function optimization

For the problem of indeterminate direction of local search, lacking of efficient regulation mechanism between local search and global search and regenerating new antibodies randomly in the original optimization version of artificial immune network (opt-aiNet), this paper puts forward a novel predication based immune network (PiNet) to solve multimodal function optimization more efficiently, accurately and reliably. The algorithm mimics natural phenomenon in immune system such as clonal selection, affinity maturation, immune network, immune memory and immune predication. The proposed algorithm includes two main features with opt-aiNet. The information of antibodies in continuous generations is utilized to point out the direction of local search and to adjust the balance between local and global search. PiNet also employs memory cells to generate new antibodies with high affinities. Theory analysis and experiments on 10 widely used benchmark problems show that when compared with opt-aiNet method, PiNet algorithm is capable of improving search performance significantly in successful rate, convergence speed, search ability, solution quality and algorithm stability.     

基于遗传算法和梯度下降的RBF神经网络组合训练方法

在使用基于梯度下降的径向基函数（RBF）神经网络学习方法时，由于网络目标函数误差曲面极其复杂，因而产生了网络收敛速度慢，且容易陷入局部极小，网络初始值的设置对网络训练结果影响很大等问题。基于遗传算法的训练方法能够摆脱陷入局部最优的困扰，但遗传算法的局部搜索能力不够，从而影响网络的训练效果。为了解决上述问题，在研究两种算法特点的基础上，提出一种组合训练方法，用提出的训练方法对UCI中的部分数据集进行了仿真实验，并将实验结果与传统方法下的结果进行了比较，实验结果表明新方法是有效的。     

一种新型遗传算法

给出了一种基于拉马克学习和精英保留策略的新型遗传算法。设计了拉马克学习规则和拉马克遗传算法框架,给出了算法收敛性的数学证明,并利用测试函数与经典遗传算法进行了对比实验。实验结果表明,该算法具有较好的收敛性能和局部搜索能力,可以用于求解各种工程优化问题。     

基于鲸鱼优化改进算法的基站选址

基站选址优化是网络通讯中的重要优化问题,对网络通讯质量有着极大的影响。本文基于基站选址优化问题的约束条件,以网络覆盖率作为优化指标,构建一种基站选址优化模型。传统优化算法有着收敛速度慢、易于陷入局部最优等问题,为此本文提出一种鲸鱼优化改进算法。首先,引入收敛因子随着迭代次数非线性递减的自适应改变策略以提升算法收敛能力;然后,对部分个体施加服从正态分布的变异扰动,以避免算法早熟收敛。其测试函数和基站选址优化问题的测试算例的仿真结果表明,本文提出的改进算法能够获得更理想的优化解,且具有较快的收敛速度。     

基于模糊自适应免疫算法的非线性系统模型参数估计

复杂生产工艺中非线性系统的模型参数估计是系统建模优化问题中的难点, 为避免优化算法过早收敛于错误的参数估计值, 根据生物免疫机理和模糊逻辑原理提出了一种新颖的模糊自适应免疫算法, 该算法采用混沌超变异操作增强算法搜索能力, 并用免疫网络调节策略保持抗体群的多样性, 同时采用模糊逻辑调节算法参数以提高算法的自适应能力. 函数优化仿真结果表明其具有较好的收敛性能, 并能够克服早收敛问题. 最后将其成功应用于重油热解非线性模型参数估计中, 验证了该算法解决实际建模问题的可行性和有效性.