一种非对称OBS网络中的路由算法

针对现有光突发交换网络采用一步预约协议，在非对称网络中．容易造成链路负载的不均衡，加大突发阻塞概率，提出了一种基于概率的路由算法，根据网络拓扑和结点对间的业务量强度。为每一个源宿对在各个链路上指定权值，结点将根据权值按概率为到达的突发选择输出链路．用一个非线性规划模型描述链路的权值设置问题．与现有路由算法相比．该算法可有效地减小突发阻塞概率．     

基于两级进化的BP网络自动生成技术

文章提出了一种新的优化神经网络结构及权值的方法——两级进化的方法.一级进化网络的结构;一级进化网络的权值.并且在算子的设计上提出了一种新的变异算子——反向变异算子.仿真结果表明,该算法取得了预期的效果.     

变尺度搜索遗传算法在神经网络训练中的应用

为解决传统的BP学习算法因采用梯度搜索技术而具有的收敛速度慢、容易陷入局部极小等缺点，提出了一种基于多参数空间快速搜索遗传算法的网络权值优化方法.该方法采用误差均分的变尺度搜索技术来训练网络权值，将网络权值的训练转化为多参数空间的寻优问题.训练实例对比结果表明，由于采用了并行计算及变尺度搜索技术，该算法不仅收敛速度快，网络逼近精度高，而且能实现全局最优，克服了BP算法易于陷入局部极小的问题，说明了该方法的有效性.     

未知环境探测的多机器人协作策略研究

提出了一种基于观测点融合的改进免疫网络探测算法,完成多机器人对未知区域的快速、高效的探索任务．该算法在大大减少通信量,又能准确计算各全局观测点花费的情况下,将不同机器人的局部观测点融合在一张地图上,使机器人的协作能力充分发挥．利用T细胞函数修正了免疫网络浓度模型,同时免疫模型参数的确定考虑各观测点的扩散度和探索方向对系统性能的影响．将仿真试验与市场法和基本免疫算法比较,结果证明INEA算法使机器人之间的协作程度明显提高,而增加观测点扩散度和探索方向一致度指标,加快了系统的探索效率。     

基于混合遗传免疫粒群优化的网络拥塞控制方法

微粒群优化算法具有搜索速度快、易于实现等优点,然而在解决实际问题中它容易陷入局部最优.笔者通过给出一种混合的策略——遗传免疫粒群算法,将遗传算法,免疫算法引入到微粒群算法中,既能提高全局搜索能力,避免在搜索过程中陷入局部最优,又使算法保留了种群多样性的特点,提高算法的收敛速度.将该算法应用于网络拥塞控制中,提出一种基于混合遗传免疫粒群优化的网络拥塞控制方法来解决网络拥塞问题,通过仿真研究,验证了该方法的可行性.     

BP算法的改进及其在焊接过程控制中的应用

BP算法存在着收敛速度较慢、易于陷入局部极小点的问题，为了解决该问题，对BP算法作了大量仿真试验和深入分析后，发现神经网络各层间权值调节量存在较大的差异，从而提出了一种新的改进方法，充分发挥神经网络各权值对网络训练的贡献，试验结果表明，新算法与基本的BP算法相比大大提高了网络收敛速度，用改进的算法和焊接过程进行了控制仿真，获得了较好的结果。     

免疫群体网络算法及其在电站风机故障诊断中的应用

为了快速、准确的识别电站风机的故障类型,基于克隆选择算法和免疫网络算法,提出一种免疫群体网络算法,该算法能对多个抗原群体同时进行局部和全局搜索,从而形成2层搜索机制,保证了算法的局部和全局搜索能力,有效克服了未成熟收敛现象,提高了群体的多样性,仿真结果表明,免疫群体网络算法能有效识别电站风机故障。     

一种基于双曲函数的BP网络改进算法

提出了一种新的BP(Back Propagation)网络权值调整规则算法。该算法以双曲函数为基础,将BP网络输出层节点的实际输出值与期望输出值的差作为双曲函数的输入,输出为权值的变化量。实例仿真表明,该算法简单,容易实现,加快了网络的学习速度,提高了学习效率。     

免疫原理在Agent入侵检测系统中的应用

将免疫学原理应用于多Agent入侵检测系统，提出免疫智能体的概念。在设计建立免疫智能体的核?算法基础上，给出一种产生多样性、遗传性、健壮性的抗体解集的方案，并建立了基于免疫智能体的分布式入乏检测系统模型，该系统模型具有自适应性、健壮性、自治性等特点．     

一种社会网络搜索免疫优化算法

基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法--社会网络搜索免疫优化算法．该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程．通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体．当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解．短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率．通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强．     

人工神经网络在系统辨识中的研究与应用

主要研究了单层神经网络、Ａｄａｌｉｎｅ网络及Ｂ－Ｐ网络用于系统辨识中的工作原理,提出了把Ｂ－Ｐ网络权值转换为传递函数的方法。使用 ＶｉｓｕａｌＣ＋＋语言构造这 ３种神经网络,以火力发电厂中常见的大惯性、大迟延系统为对象进行了辨识试验。仿真结果表明：在不人为加入特殊激励信号,只利用生产过程自然存在的随机扰动的情况下,Ｂ－Ｐ网络辨识器可得到较为准确的对象数学模型,对于解决电厂中常见热工系统的建模问题,具有重要的实用价值。     

基于改进免疫遗传算法的网络优化设计

为了解决传统方法难以实现网络规划的组合优化问题, 采用改进免疫遗传算法对网络规划进行求解, 提高了种群的多样性和遗传算法的全局寻优能力。优化模型以网络架构费用最小为优化目标, 以同媒体施工、节点有限负载、网络辐射性连通为约束条件, 通过免疫规划进行网络结构的设计。进化实例表明, 改进免疫遗传算法与传统遗传算法相比, 具有较强的自适应能力和较好的效果。     

人工免疫系统在计算机安全中的应用

主要介绍人工免疫系统计算机安全领域的研究现状，包括异常诊断、网络入侵检测和病毒检测三方面，首先介绍基于免疫系统阴性选择原理的阴性选择算法原理，不同研究人员对该算法进行了改进并应用于异常诊断和网络入侵检测系统中；然后总结基于阴性选择算法以及主体与免疫系统原理相结合的两种不同的计算机入侵检测系统的特点；最后对基于免疫识别原理的计算机病毒检测和消除系统进行归纳，指出人工免疫系统在计算机安全领域的发展方向。     

一种多模态函数优化的免疫算法

结合免疫系统的研究成果,并基于克隆选择原理和免疫网络理论,设计并实现一种多模态免疫优化算法。算法的主要操作算子包括Baldwin效应设计、克隆选择、超变异及通过免疫网络调整对抗体相似性抑制等。通过对不同的多模态测试函数进行仿真实验,证明了算法具有较强的多模态函数优化能力。     

多模态函数优化的免疫算法

模拟抗体搜索机制,结合免疫网络理论,提出一种新的优化算法.该算法用抗体表示函数优化解的可能模式,通过构造克隆选择算子完成全局和局部最优解的搜索,利用B细胞网络保持多种抗体并存.典型函数优化测试结果表明,该算法能够较好地实现全局最优解和局部最优解的同步搜索和保持,具有较强的多模态函数优化能力.     

基于免疫算法的聚类分析与实现

在介绍自然免疫系统功能和特性的基础上,阐述了人工免疫算法的基本原理．从提取生物免疫系统的隐喻机制,基于免疫网络理论和克隆选择原理,建立了一种人工免疫数据聚类分析算法．并详细论述了该算法在电梯交通时段自动划分中的具体应用,MATLAB仿真表明该算法可以有效减少聚类数据的冗余信息,对解决交通时段自动划分等数据聚类问题是可行的和有效的．     

基于自适应变权免疫网络的电磁信号监测算法

针对人工免疫系统(AIS)用于电磁信号监测领域时,系统输入参数的波动程度差异显著且波动程度会随监测环境的不同发生变化的问题,借鉴变权理论提出了一种自适应变权免疫网络(AVWIN)信号监测算法.该算法能根据监测环境自适应调节各输入参数的权重,使信号空间的信号分离度最大,从而提高系统的监测性能.同时,采用实际无线电监测数据进行实验,验证了信号分离度定义的合理性,并与普通免疫网络对比,证实该算法可显著提高系统的监测性能.     

粒子群优化人工免疫粒子滤波器

为解决粒子滤波算法中存在的粒子退化和样本枯竭问题,提出一种新的粒子滤波算法.利用粒子群优化思想促使采样粒子向高似然区域移动,减缓粒子权值的退化;再通过人工免疫算法中的变异操作扩大算法寻找最优值的范围并增加粒子的多样性,避免算法陷入局部最优,增强算法的全局搜索能力,进而缓解样本枯竭.实验表明,该算法比标准粒子滤波的状态估计精度提高近40倍,比扩展卡尔曼粒子滤波提高近28倍,比无迹卡尔曼粒子滤波提高近6倍,滤波效率为37.523％,是标准粒子滤波的37倍,该算法具有更好的实时性和更高的状态估计精度,能有效缓解粒子的退化和样本的枯竭.     

WSN路由节点优化分布设计的免疫克隆算法

对于无线传感器网络(WSN)路由节点的优化分布设计,人工免疫进化算法存在几何选择区域局限,为了缓解此问题,避免系统收敛于局部最优解,提出一种基于免疫克隆算子的设计方案。根据WSN节点覆盖原理,构建WSN路由节点自适应人工免疫分布模型,用免疫平衡机理计算染色体在每个节点部署网格中的信息浓度概率,采用克隆检测算法监测WSN网络中节点冗余浓度,以使每个WSN路由节点辐射信息素最大化,突破几何选择区域的限制,实现最优节点部署和覆盖。仿真实验表明,新算法能提高网络连通性和节点利用率。