基于球面杂交的动态自适应克隆选择算法

基于球面杂交策略,提出一种动态自适应克隆选择算法。在该算法的每次迭代过程中,动态地计算出每个抗体的变异概率,根据抗体的亲和度将抗体种群分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整,从而加快算法的全局搜索速度。实例验证了该算法的有效性、可行性。     

新的采用球面杂交的克隆选择算法*

针对传统克隆选择算法的不足,提出了一个基于球面杂交的新型克隆选择算法。在该算法的每次迭代过程中,动态地计算出每个抗体的变异概率,根据抗体的亲和度将抗体种群动态分为记忆单元和一般抗体单元,并以球面杂交方式对种群进行调整,从而加快了算法的全局搜索速度。实例验证了所提算法的有效性、可行性。     

一种新的动态自适应克隆选择并行算法

提出一种新的动态自适应克隆选择并行算法。在每次迭代过程中,动态计算每个抗体的变异概率,根据抗体的亲和度将抗体种群动态分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整,加快算法的全局搜索速度。同时针对算法计算量大的缺点,设计对应的并行计算方法。实例结果表明,该算法耗时较少,收敛精度较高。     

并行自适应动态克隆选择算法

提出了一个并行自适应动态克隆选择算法。在算法的每次迭代过程中,首先动态地计算出每个抗体的变异概率,然后根据抗体的亲和度将抗体种群动态分为记忆单元和一般抗体单元,紧接着以球面杂交方式对种群进行调整,从而加快了算法的全局搜索速度。同时,针对算法计算量大、耗时长的缺点,结合已有的并行计算技术,构造出了算法的并行计算方法。实例验证了所提并行算法的有效性、可行性。     

基于球面杂交的自适应动态克隆选择算法

在克隆选择算法搜索函数最优解问题的研究中,针对传统自适应动态克隆选择算法收敛速度慢、精度低以及种群多样性低的缺点,提出了一个基于球面杂交的自适应动态克隆选择算法。新算法采用浮点数编码方式,在每次迭代过程中,首先根据抗体的亲和度动态计算出每个抗体的变异概率,然后根据亲和度大小将抗体种群动态分为记忆单元和一般抗体单元,并采用球面杂交方式对种群进行调整,提高了算法的收敛速度和求解精度。实例验证了所提算法的有效性和可行性。     

采用种群划分的动态自适应免疫克隆选择算法

为了克服传统免疫克隆选择算法的种群缺乏多样性、抗体选择不具随机性的缺点,提出了一种新型动态自适应免疫克隆选择算法。在该算法求解过程中,根据抗体的亲和度将抗体种群动态地分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整并动态修正每个抗体的变异概率,从而保障了群体多样性,加快了算法的全局搜索速度。实例验证了所提算法具有较好的性能。     

一种免疫记忆动态克隆策略算法

基于对克隆选择及免疫记忆动态过程的模拟,本文提出了一种人工智能算法,免疫记忆动态克隆策略算法,该算法模拟免疫系统的自我调节、记忆学习、自适应等机制,实现全局优化计算与局部优化计算机制的有机的结合,通过抗体与抗原的亲合度和抗体间亲合度的计算,促进和抑制抗体的产生,自适应地调节抗体群和记忆单元的克隆规模.理论分析证明该算法以概率1收敛,对多峰函数优化及货郎担问题的仿真试验表明,算法有效,而且具有全局搜索能力强,种群多样性好及收敛速度快等特点.     

基于免疫遗忘的车间调度算法

为了解决车间调度NP组合优化的难题,提出了基于免疫遗忘的车间调度算法。算法在基于克隆选择方法能同时搜索解空间的不同区域以及能保持种群的多样性的功能的基础之上,又加入了遗忘单元,形成了一个来自于抗体群中较好抗体组成的种群,从而可以实现在每次迭代中对遗忘单元进行邻域搜索。算法使抗体群和遗忘单元共同进化,并互相影响,使算法在寻找满意解上得到优化。仿真实验表明,算法能找到比遗传算法更好的满意解。     

基于改进的免疫克隆支持向量机网页分类研究

网页分类是为了解决网络信息过载问题而延伸的一个热门研究领域,同时支持向量机以其出色的学习能力,在解决高维问题时表现出了特定的优势。本文在研究支持向量机和标准的免疫克隆优化算法的基础上,提出了一种改进的免疫克隆和支持向量机相结合的分类算法。标准算法中由于通过对抗体编码中某些位进行随机取反来实现抗体变异,造成搜索能力不强。该方法针对上述不足,将记忆单元和普通单元区分开来,对记忆单元定义自适应概率,从而加强在当前最优解邻域内的搜索能力,加快寻求全局最优解的速度。实验结果表明,该改进算法较其他算法具有更好的参数选择效果和更高的选择效率,是一种具有较高准确率和效率的网页分类方法。     

一种基于牛顿迭代的快速收敛指数算法的设计与实现

针对IEEE-754标准浮点指数运算的要求,通过对现有的几种指数运算硬件实现方法的分析,结合牛顿迭代原理推导出一种新的按指数速度收敛的算法,并用Verilog HDL语言实现了一个精度为56位的指数运算单元。该算法通过查表和乘法来实现迭代操作,并通过增加迭代次数来降低查找表的大小。所实现的运算单元采用九级流水线结构,工作频率可以达到200MHz。     

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.     

模拟电路免疫记忆网络故障诊断新方法

提出了一种基于免疫记忆网络理论与$k$近邻算法的模拟电路故障诊断方法。首先,利用免疫记忆网络寻找各故障空间的最佳记忆抗体。在免疫记忆网络中根据浓度来选择记忆抗体,以促进记忆抗体在各故障空间的均匀分布。利用克隆和超级变异机制来保证抗体多样性,再利用浓度和期望值对抗体进行促进和抑制,以避免早熟现象的产生;然后,根据所得到的各故障空间的最佳记忆抗体,使用改进的阈值k近邻算法对抗原进行故障分类;最后,以带通滤波器为诊断实例,利用实际电路测试数据和仿真数据作为测试样本进行故障诊断性能评估;实验结果证明该故障诊断方法具有较高的故障诊断率。     

一种基于免疫原理求解TSP问题的模型

基于人工免疫原理,建立了一个基于免疫机制求解TSP问题的数学模型。在该模型中,定义了TSP问题中的抗原和抗体,描述了记忆细胞动态进化过程,并借鉴遗传算法中基因变异思想,提出了优势基因进化的GFE算法,结合生物免疫系统抗体浓度稳定原理,在克隆选择过程中实现了抗体集合的进化计算,快速有效地求解出问题的全局近似最优解。实验结果表明该算法对解决组合优化问题不仅可行,而且有较快的收敛速度和较强的全局搜索能力。     

应用免疫原理的无线传感器网络入侵检测系统

为了提高无线传感器网络的安全性,将生物免疫原理应用到无线传感器网络安全问题中,设计了一个基于生物免疫原理的轻量级入侵检测系统。该系统主要完成检测器的生成和抗原检测,在检测器的生成过程中,通过离散r-连续位匹配算法简化否定选择算法;通过提取记忆免疫细胞疫苗对抗体进行接种,加快免疫算法的收敛性;通过聚类算法对记忆免疫细胞集合进行分类优化,提高了抗体的多样性。仿真实验表明,系统具有较好的检测率和较低的能耗。     

改进型动态自适应克隆选择算法

克隆选择算法是目前应用较广的一种智能优化算法,但它在选择时具有一定的盲目性。为了克服它的这个不足,论文提出了一种改进型动态自适应克隆选择算法。在该算法中,首先根据抗体的亲和度将抗体群动态分为记忆单元和一般抗体单元,然后再借助抗体的亲和度修正抗体的变异概率并根据修正后的变异概率进行变异操作,紧接着以球面杂交方式对种群进行调整以产生新的种群。上述策略使得该算法在选择时具有一定的针对性,从而加快了它的全局搜索速度,仿真结果验证了所提算法的有效性、可行性。     

自适应免疫算法及其对动态函数优化的跟踪

基于生物免疫系统的自适应学习、记忆、监视等功能,设计适用于高维动态函数优化的自适应免疫算法.算法设计中,利用抗体的学习功能设计抗体动态进化模块;利用基因漂移促成抗体群中非优越抗体重构;利用记忆特性和记忆池动态维持功能,设计由记忆子集合构成的动态记忆池,并经由Average linkage保存优秀的记忆细胞;利用动态监视功能建立环境判别规则和初始抗体群的生成规则.该算法结构简单、灵活,以及在不同环境下寻优时间可以动态调节.数值实验比较显示出其优越性和在执行效率、执行效果中寻求权衡的有效性,并且对复杂的高维动态环境优化问题具有较大应用潜力.     

基于免疫进化的并联机器人的位姿估计

提出了一种基于免疫进化算法的并联机器人位姿估计算法。建立了视觉检测坐标系和位姿参数估计模型;借鉴生物免疫系统中克隆变异和免疫记忆机理,通过免疫进化获得位姿参数的可行解。实验表明,相较于传统迭代算法,基于免疫进化算法的位姿检测算法收敛快,精确度高,对噪声不敏感,具有较好的鲁棒性。     

贪心随机自适应搜索算法在软件测试中的应用

提出一种求解面向对象软件集成测试中确定类间测试顺序的贪心随机自适应搜索算法。该算法是一个多起点的迭代过程,每一次迭代由产生可行解的构造阶段和寻找局部最优解的局部搜索阶段组成。为了进一步改善它的性能,在构造阶段增加了预处理功能,在局部搜索阶段增加了长期记忆和路径再链接功能。实验结果表明,改进的贪心随机自适应搜索过程产生的解的质量优于现有的其它算法。     

基于人工免疫可更新簇聚类算法的研究

给出了一种基于人工免疫的可更新簇聚类算法。该算法在aiNet聚类算法的基础上,引入记忆抗体“年龄”的概念。模型学习过程中在抗体不断地与抗原接触时,超过“年龄”阈值的记忆抗体转化为一般抗体,以此达到聚类簇的更新。实验表明该算法是可行、有效的。     

基于LTI射线追踪的改进的ART算法

CT反演常采用“直线重构模型”,即认为射线在震源和接收器之间走直线,这一条件只有在介质基本均匀的情况下近似成立。当介质中存在缺陷,射线行走路径不再是直线而是空间曲线时,若仍然采用“直线重构模型”进行反演,必然引入误差。本文提出了改进的ART算法,并在迭代的过程中利用基于旅行时的线性插值（LTI）射线追踪正演射线的实际行走路径。该算法首先利用概率的方法预判缺陷单元,将预判的缺陷单元与非缺陷单元区别对待,赋予不同的初始波速,在每轮迭代之前利用LTI射线追踪重新计算投影矩阵,并在迭代的过程中给预判的缺陷单元与非缺陷单元赋予不同的松弛因子。计算机模拟实验及混凝土试件实验结果表明,基于LTI射线追踪的改进的ART算法有效提高了计算的精度和图像重建质量,但是相应地增加了反演时间。