免疫遗传算法在函数优化中的应用

生物免疫系统是一种高度并行的自适应信息学习系统,人工免疫系统是由生物免疫系统启发而来,借鉴了一些免疫系统的功能、原理和模型,主要用于信息处理和问题求解。在对免疫系统的一些基本概念和原理进行介绍的基础上,简要分析了人工免疫算法的研究现状及其改进的算法在函数优化上的应用,并提出了混沌免疫算法的思想。     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

蚁群优化算法的理论、改进及应用

蚁群优化算法是一种新型的模拟进化优化算法,为求解复杂的组合优化问题提供了一种新的思路。文章对蚁群优化算法理论及其收敛性进行了分析,并从选择策略、信息素更新、信息素浓度的变异等多方面对蚁群优化算法提出了改进,不仅使其跳出局部最优解的能力更强,而且能较快地收敛到全局最优解,在TSP问题上的应用表明改进算法具有良好的性能。     

一种求解对称TSP的简单候选集方法

TSP（旅行商问题）作为一种解决组合优化问题的有效方法,在近几十年来受到了广泛的研究。理论证明它是一个典型的NP难问题,为了更快捷地求解,候选集方法在多种求解算法比如LKH算法中都有用到,一般是用于产生一个接近局部最优的初始解,较少用于寻路过程中。本文提出了一种新的简单的候选集方法,它采用一种新的距离度量,更好地符合了对称TSP的寻路规则。将其应用于最大最小蚁群算法（MMAS）的寻路过程中,实验结果表明针对对称TSP问题,该方法能比基本的MMAS取得更好的性能。这种候选集方法也可以用于其他求解对称TSP问题的进化计算。     

混合型蚁群算法及其应用

蚁群优化算法——蚂蚁系统（Ant System,AS）是Dorigo M在20世纪90年代最早提出的一种新型生物智能算法,Dorigo M将蚁群优化算法应用于解决经典的旅行商问题（TSP）,取得了较好的应用效果。采用混合型蚁群算法进行优化求解,探讨其实现TSP问题的求解流程,以更好地指导实际问题解决。     

免疫粒子群算法及其在物流配送中心选址问题中的应用研究

将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是:将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。     

TSP问题在物流配送车辆运行路线中的应用分析

TSP旅行商(货郎担)问题是诸多领域内出现的多种复杂问题的集中概括和简化形式,同时也是一个典型的易于描述却难以处理的NP完全问题。基于不同的算法分析出现了许多解决TSP问题的方法。分析研究了大量TSP算法,例如遗传算法、神经网络法、回溯法、蚂蚁演算法、神经网络优化法、列表寻优(TABU)法及模拟退火法等,并对其中的两种算法作了较为详细的介绍,对环路构造法提出了一种优化算法。     

多种群自适应模拟退火遗传算法求解TSP问题

TSP问题是一个具有广泛应用背景和重要理论价值的组合优化NP难题。遗传算法是求解NP完全问题的一种方法。针对传统遗传算法求解TSP问题的不足,提出了一种多种群自适应模拟退火遗传算法,并给出了多种群分级、混合变异算子的设计。最后,对CHN31、ATT48和EIL51的TSP问题进行求解．仿真结果表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

凸包工作集TSP算法

TSP问题是一个NP完全问题,在现实生活中许多领域得到充分应用。通过对＂S计算几何＂中凸包算法分析,提出了一种最大凸包工作集规划TSP路径算法,能快速解决二维TSP问题。首先运用凸包算法构造城市的最大凸包工作集,将剩余城市节点根据隶属度大小加入到相应的凸包子工作集中。再应用最大凸包算法逐个划分凸包子工作集,直至子工作集中的尺度为2。最后依次访问每个子工作集头,得到TSP最短路径。实验结果表明,该算法能更快速地得到问题的近似最优解。     

人工免疫多目标进化算法在动态车辆路径优化中的应用

建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。     

基于证据理论及人工免疫的旋转机械并发故障诊断研究

针对旋转机械并发故障诊断中难以准确诊断出来的实际情况,研究利用证据理论在不确定性的表示、量测和组合方面的优势,并引入了人工免疫系统以弥补证据理论单独诊断时的一些缺陷。将证据理论与人工免疫系统结合起来作为一种解决并发故障的方法,为并发故障的诊断提供了一种新的思路,并且其可行性在试验中得到了的验证。     

基于人工免疫系统与RBF的混合算法实现模式分类

提出了一种基于人工免疫系统与RBF的混合算法.该算法由两个阶段组成:第一阶段采用人工免疫机制来确定RBF网络隐层的聚类中心的位置和数量。第二阶段求输出层的权值W,最后用模式分类作试验,实验结果表明,该算法具有收敛速度快,泛化能力强的特点。     

利用模糊免疫网络记忆分类器的Web服务Qos评价

根据用户对利用模糊免疫网络记忆分类器的Web服务Qos评价模型提出的功能需求、应用的领域及Qos约束,自动选择出能够反映该功能服务质量属性的评价因子。提出新的人工免疫分类算法—FAINMC,利用该算法对大量的Web服务实现准确、高效的分类。根据每类记忆细胞反应的特征得到和类型相对应服务等级,使用模糊隶属度和百分法得到了反应Web服务质量优劣评价值。     

数控加工过程监测与信号处理系统的研制

为了使数控加工过程处于受控状态,该文构造了一种基于免疫机理的加工过程监测系统.文中重点介绍了过程监控硬件设计和在LabVIEW环境下的软件模块化设计.综合运用了包括功率谱分析在内的多种信号处理方法,通过运用生物免疫机理中的反向选择算法和遗传算法及时准确监测系统状态.试验证明,这种监测系统具有很强的灵活性和可扩展性,对主动避免和减少数控机床故障具有重要意义.     

基于免疫原理的计算机病毒检测技术分析与展望

对计算机病毒检测技术和免疫原理的应用历史及现状进行简要概括,针对目前免疫算法中否定选择算法及其检测器在检测应用中所存在的实际问题展开讨论和分析,以拓展免疫原理在计算机防御病毒的应用,并针对庞大数量的检测器缺少适当的管理策略和搜索策略,为促进计算机主动防御病毒的智能性,介绍了二叉树模型和禁忌搜索策略。     

基于人工免疫算法的十字路口交通流优化分析

将人工免疫算法应用于十字路口交通流数据的分类处理．将所分析的数据作为抗原，利用抗体、抗原的亲和作用，通过刺激／抑制有关抗体的活动建立一个抗体记忆池，再运用传统的聚类分析方法，对抗体记忆池进行分类，仿真实验结果清晰地反映了路口交通流数据网络的内在结构，为交通路口的红绿灯控制采用动态模式提供理论依据，同时说明人工免疫算法具有广阔的实用价值．     

两种进化算法在BSS中的应用比较

介绍了两种分别引人遗传算法和免疫算法的盲源分离方法．通过仿真比较试验表明,两种算法对混叠信号的分离都有效,但基于免疫算法的分离效果都优于基于遗传算法的分离结果．     

基于人工免疫的网络入侵检测算法研究进展

从生物免疫的基本原理出发,概述了人工免疫基础上的网络入侵检测原理及应用情况,包括自体集、错误耐受和自适应性等方面的应用;着重对人工免疫匹配的基本算法做了细致的讨论,指出了各种算法的异同及侧重方向;最后,根据当前算法存在的问题,提出了大负载情况下的算法设计思路,并展望了今后的研究热点和工作重心。     

基于小生境免疫算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延和丢失率为QoS参数.针对一种免疫算法的不足,利用基于相似结构的小生境技术和共享算子对免疫算法加以改进.实验表明,该算法有较好的性能,大幅提高了QoS路由选择的效率.