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。     

人工免疫系统及其算法研究

人工免疫作为一种新型的研究领域,有着广泛的应用领域。人工免疫突出地体现了它在不同层次、不同科学领域的渗透、交叉和促进的科学特点。人工免疫科学对自然科学、计算机科学和信息科学的发展和融合具有极其重要的意义。主要对人工免疫概念、应用领域、研究领域及人工系统的免疫优化原理和克隆扩增原理做一个阐释。     

混沌免疫克隆选择规划的网络入侵检测

针对目前随机产生候选检测器的方式存在亲和度较低的问题。根据克隆选择的原理,对获取的入侵检测数据包进行预处理,对提取的属性采用归一化实数编码,应用混沌原理和抗原的先验知识产生亲和度高的候选检测器集合。根据检测器亲和度的不同,采用了不同的变异算子与进化策略,使算法不仅在保持高检测率下,降低了漏报率,且有效地提高了检测器进化速度。     

人工免疫算法及其在多元非线性优化问题中的应用

针对多元非线性Rosenbrok函数优化问题,结合生物免疫系统相关机理,设计对应的人工免疫算法对其进行求解。讨论了相似度、亲和力、群体多样性以及免疫记忆等功能的设计和实现方法,算法设计中,结合信息熵原理设计抗体相似度,并引入克隆抑制、亲和突变及募集新成员算子来保持群体多样性。最后,通过实验比较分析,该算法稳定,且具有较强的全局搜索性能,能够获得较满意的解。     

一种用于工件识别的LBP-HOG特征融合方法

针对目前机器人在工业现场对工件目标识别过程中出现的低识别率问题,提出一种基于GA寻优的LBP-HOG特征融合方法,结合SVM对工件图像进行分类识别.首先,分别运用了基本LBP算子、LBP等价模式以及LBP旋转不变模式,结合不同去噪方式,评价并选择最优的LBP算子,然后,利用LBP和HOG算子分别提取工件特征,并以组合向量方式融合两类特征.最后,利用GA寻优两类特征的融合权重,通过反复评价SVM对融合特征的识别效果,更新权重,最终得到最优权重和最优识别精度.实验结果表明,单独使用LBP和HOG的图像识别率分别为80%和84%,而GA寻优后的LBPHOG组合模型,准确率提高到了96%.     

基于环境策略的免疫克隆约束多目标进化算法

在常规免疫克隆约束多目标进化算法中,优秀不可行解易被淘汰,且无法直接学习进化经验。针对该问题,提出了基于环境策略的免疫克隆约束多目标进化算法。其基本思想是,在约束处理前,通过环境策略用Pareto支配形成初始抗体群,利用一个精英种群对初始抗体群进行存储|约束处理后,用环境策略变异替换克隆变异。数值实验结果表明,新算法不仅可以有效地处理约束条件,而且解的多样性和均匀性均得到一定程度改进。     

基于人工免疫原理的网络入侵检测系统模型研究

介绍了网络入侵检测技术,阐述了人工免疫和分布式Agent系统原理,提出了一种基于人工免疫原理和分布式Agent技术的网络入侵检测系统模型,并对其核心算法进行了分析。     

科学进化观在家庭治疗及教育中的体现

本将科学进化观与传统科学方法论相对照，分析其在家庭治疗及教育中的体现。科学进化观基于复杂系统的行为特征及其不确定性，从广泛视角进行探索，提出多种相互竞争的假设，根据多重途径的交汇证据识别辨系统中的重要因果联系，了解系统的动力原理、自组织能力、互动模式等。这种观点在家庭治疗中体现为将家庭视为开放式系统，强调治疗中的动态思想，家庭系统的自组织和重建新的沟通模式。在教育中，科学进化观强调培养学生批判性学习和求异思维的能力，培养学生学会学习的方法。     

基于聚集密度的人工免疫多目标进化算法

为了改善人工免疫多目标进化算法的分布性,引入聚集密度以进行Pareto最优解集的更新。其基本思想为: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。通过数值实验,用量化指标研究了新算法的收敛性和分布性,结果表明:新算法的收敛性与常规人工免疫多目标进化算法相当,但分布性有了明显提高。     

引入危险理论的人工免疫识别模型

人工免疫中的self-nonself识别模型存在识别局限性。危险理论以危险作为识别对象,可有效避免self-nonself识别中难以解决的问题。本文将nonself的出现也作为危险信号的一种,与其他危险信号协同激发免疫响应,取代传统的由nonself激发免疫响应的策略,达到降低伪肯定率和伪否定率的目的。     

基于 ELECTRE-III 法的高维多目标调和进化算

针对基于 Pareto 支配的低维多目标进化算法在求解 3 个以上目标的高维多目标时出现收敛压力不足等问题,将调和模型中面向排序的 ELECTRE-III 引入高维多目标进化方法中,提出一种新的锦标赛选择算子。该算子包含两层操作,分别是快速非支配分层操作和同一非劣层中的赋值级别高于关系排序操作。将这种赋值级别高于关系构造的 ELECRE-III 排序法嵌入 NSGA-II 中并应用于高维多目标进化个体的优劣排序。对典型高维测试集 WFG 函数进行仿真实验,验证该高维多目标调和进化算法的有效性。     

人工生命进化规划算法浅析

在人工生命基本概念的基础上,对人工生命的生成方法以及生成人工生命的主要算法中进化规划算法的过程和工作流程进行了详细分析.随着进化计算学科的不断发展,各种进化算法相互交流,差异越来越小.     

中越高校英语教师成为“研究者”之比较研究

语言教学研究对外语教师尤为重要,被视为外语教师专业发展的重要途径。英语在中国和越南都属于外语,两国高校英语教师成为"研究者"面临着很多共同的困境,如研究观念的转变问题、研究时间的保障问题、评价机制问题、研究方法问题以及研究传播问题等。     

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．     

基于进化策略的函数优化问题研究

针对进化策略算法在解决具体问题是熟练速度较慢这一问题的原因进行分析,提出自适应变异步长的方法,以在全局和局部范围内进行搜索．变异步长的值依赖于目标变量与全局最优解之间的距离．步长随距离自适应变化,可避免局部熟练和早熟．通过对经典dejong函数和Shubert函数的仿真试验,验证了文中算法的有效性．仿真结果表明,该算法收敛速度快,搜索精度高,且具有良好的全局搜索能力．     

Efficient genetic algorithm for resource-constrained project scheduling problem

This paper presents a new genetic algorithm for the resource-constrained project scheduling problem(RCPSP).The algorithm employs a standardized random key(SRK) vector representation with an additional gene that determines whether the serial or parallel schedule generation scheme(SGS) is to be used as the decoding procedure.The iterative forward-backward improvement as the local search procedure is applied upon all generated solutions to schedule the project three times and obtain an SRK vector,which is rese...     

一种基于加速度传感器的自适应计步算法

提出了一种基于加速度传感器的自适应计步算法,通过对加速度传感器采集的信号数据进行一系列处理,然后利用人工免疫算法对处理后提取的特征值进行判断,确定人是在行走、上下楼梯还是跑步的状态,再进行计步。通过反复实验,计步准确率达到96%以上。     

基于改进遗传算法的GSM基站选址问题研究

本文首先对于罚函数遗传算法构造了合适的适应度计算方式,其次将适当的修补算子加入修补遗传算法中,保证修补的随机性和有效性;然后在两者的交叉、变异操作之后都加入进化突变算子,增强了他们的局部搜索能力;最后针对不同规模的基站选址问题,分别采用加入进化突变前后的罚函数遗传算法和修补遗传算法进行仿真,结果验证加入进化突变的修补遗传算法在求解大规模的基站选址问题时效率最高。     

改进蚁群算法在解决TSP问题中的应用

在已知静态环境的条件下,提出一种改进蚁群算法,用以解决基本蚁群算法的收敛速度慢、效率低、易陷入局部最优解等问题。在传统蚁群算法的基础上,首先通过自适应改变挥发系数来使初始时刻的蚁群搜索能力加强、范围扩大,避免陷入局部最优解;其次将轮盘赌算子利用到状态转移规则中,有效地提高了解的质量和算法的收敛速度;最后通过精英选择操作,有效地提高了算法的全局搜索效率和收敛速度。通过对不同TSP实例仿真结果表明:改进后的蚁群算法在较少的迭代次数下得到的解非常接近问题的最优解,验证了该算法的可行性和有效性。     

遗传算法中带控制参数选择算子及其个体空间搜索能力的分析

提出了带控制参数选择算子的设计思想及其数学理论依据,对带控制参数选择算子的性能作了分析,并与比例选择算子在解空间中的搜索能力进行了比较,通过比较结果证明了带控制参数选择算子将会大大提高整个遗传算法对全局最优解的搜索能力.