一种基于多样性信息和收敛度的多目标粒子群优化算法

为了提高多目标粒子群算法优化解的多样性和收敛性,提出了一种基于多样性信息和收敛度的多目标粒子群优化算法（Multiobjective Particle Swarm Optimization based on the Diversity Information and Convergence Degree,dicdMOPSO）.首先,利用非支配解多样性信息评估知识库中最优解的分布状态,设计出一种全局最优解选择机制,平衡了种群的进化过程,提高了非支配解的多样性和收敛性;其次,基于种群多样性信息设计出一种飞行参数调整机制,增强了粒子的全局探索能力和局部开发能力,获得了多样性和收敛性较好的种群.最后,将dicdMOPSO应用于标准测试函数测试,实验结果表明,dicdMOPSO与其他多目标算法相比不仅获得了多样性较高的可行解,而且能够较快的收敛到Pareto前沿.     

禁忌粒子群算法在几何约束求解中的应用

约束问题可以转化为优化问题,针对粒子群优化算法在算法的后期易陷入局部最优的缺点,提出TPSO(禁忌粒子群优化算法),在算法的前期采用粒子群算法快速产生全局最优解信息素的初始分布,后期引入禁忌搜索算法,记录已经达到的局部最优解,在下一次搜索中,不再或者有选择地搜索这些点,从而跳出局部最优点,并且在搜索过程中允许接受劣解,充分利用禁忌搜索的记忆能力及较强的爬山能力,大大提高了获得全局最优解的概率.该算法综合了粒子群优化算法的快速性,随机性和全局收敛性以及禁忌搜索局部寻优的能力.在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.该方法用于几何约束求解的性能明显高于标准粒子群算法,算法具有良好的优化性能和时间性能.     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型，并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案，与其他算法相比，所得Pareto解集在收敛性和多样性上具有性能优势。     

基于重新匹配策略的ε约束多目标分解优化算法

针对MOEA/D算法中权重向量与个体分配不合理,导致种群多样性降低的问题,提出基于重新匹配策略的ε约束多目标分解优化算法.首先,对Tchebycheff分解策略进行理论分析,推导出关于多样性和收敛性的定理,从而为研究MOEA/D算法奠定理论基础.其次,为有效解决由于随机为权重向量分配个体造成种群多样性降低的问题,提出权重向量和个体间的重新匹配策略,合理地为权重向量分配个体,改善种群多样性.最后,提出的个体比较准则较好地兼顾多样性和收敛性,提高了算法的约束多目标优化性能.通过与5种优秀算法的对比实验结果表明,该文算法所求得的近似Pareto最优解集的分布性和收敛性均得到一定提高,相比于对比算法具有一定的优势.     

基于免疫--蚂蚁算法的多约束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、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。     

多加性QoS约束下的链路分离路由算法

对多个加性QoS约束下的链路分离路径问题进行了研究,针对现有算法求解结果依赖于网络结构,难以保证对任意网络都可求得可行解和最优解的问题,提出了一种与网络结构无关的多约束链路分离路径路由算法(MCLPRA,multiple constrained link-disjoint path routing algorithm).该算法基于SAMCRA,采用对解空间先分类,然后按类进行处理和搜索的方法,引入了控制搜索深度的参数,可保证对任意网络都能求得可行解.理论分析表明,MCLPRA能够在现有算法不能求解的情况下解得可行解和最优解.仿真结果显示,MCLPRA的可行解平均求解成功率明显高于现有算法且所求路径对长度也比现有算法更短.     

正交免疫克隆粒子群多目标优化算法

该文基于抗体克隆选择学说理论,提出了一种求解多目标优化问题的粒子群算法--正交免疫克隆粒子群算法(Orthogonal Immune Clone Particle Swarm Optimization,OICPSO).根据多目标的特点,提出了适合粒子群算法的克隆算子,免疫基因算子,克隆选择算子.免疫基因操作中采用了离散正交交叉算子来获得目标空间解的均匀采样,得到理想的Pareto解集,并引入拥挤距离来减少获得Pareto解集的大小,同时获得具有良好均匀性和宽广性的Pareto最优解集.实验中,与NSGA-Ⅱ和MOPSO算法进行了比较,并对算法的性能指标进行了分析.结果表明,OICPSO不仅增加了种群解的多样性而且可以得到分布均匀的Pareto有效解集,对于多目标优化问题是有效地.     

一种求解多维背包问题的和声优化搜索算法

提出了一种解决多维背包问题的和声优化搜索算法.算法采用n进制编码初始化和声记忆库,采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解.通过修正算子修正不可行解,以保证解满足约束条件,然后利用非劣解集更新算法优化最优前端,使其扩大覆盖率,保证均匀性.通过20次随机实验,结果表明,该算法能够有效的克服早熟收敛。能够保持种群多样性和求解精度,具有解决复杂多维背包问题的能力。     

基于约束多目标免疫算法的多载波卫星通信系统链路支持性优化

毫米波通信系统因为带宽宽和易于小型化的特点被广泛应用于卫星通信中,基于提高多载波卫星毫米波通信系统容量的链路支持性优化面临诸多性能指标权衡的难题,如:降低上行EIRP需求,提高转发器功率利用率,增强链路稳健性等,将多目标优化思想引入到毫米波卫星通信系统的支持性优化模型,提出一种约束多目标免疫算法(Constrained Nondominated Neighbor Immune Algorithm,C-NNIA),并进行了相应的建模、仿真和优化.表明该算法可获得优于传统直接求解(Direct Search,DS)算法和基于单目标可变邻域搜索(Variable Neighbourhood Search,VNS)算法的Pareto最优解,且算法具有更好的约束处理能力、多样性保持能力以及快速收敛特性.最后,通过对最优解集的设计变量以及性能度量参数的统计和分析,获得了具有指导性的设计参考.     

融合粗糙集与小生境免疫优化的属性约简方法

在粗糙集核属性的基础上,融合小生境免疫优化提出一种决策属性约简方法.将核属性参数作为抗体编码的先验信息,通过疫苗自适应提取算法对抗体群接种疫苗,提高抗体群多样性及稳定性.为降低属性约简的计算复杂度,引入属性集合的分类近似标准作为免疫优化的亲和度,采用小生境免疫共享机制动态调整抗体群的亲和力,提高算法局部搜索能力.通过免疫记忆算子操作促使优良个体的保存,在保证收敛速度的同时具有较强的全局和局部寻优能力.通过滚动轴承故障诊断及UCI数据集的属性约简实验,显示本算法在属性约简精度和效率方面具有较好效果.     

用一种免疫遗传算法求解频率分配问题

频率分配是一NP完全问题,本文用一种基于免疫调节机制的免疫遗传算法来求解.该算法结构类似于遗传算法;核心思想是将个体集构造为抗体网络,利用免疫浓度调节机制在个体层次调节个体的多样性,同时利用免疫网络调节理论在种群层次调整个体多样性和群体收敛性之间的动态平衡,从而克服了一般遗传算法的不足.本文同时用该算法解决固定频率分配和最小跨度频率分配问题,取得了较好的效果.     

基于免疫识别的免疫算法

免疫算法已开始成为计算智能研究的一个热点.本文提出了一种基于免疫识别的免疫算法,该算法的设计借鉴了生物免疫识别中的非选择机制,其求解思想与现有优化方法不同,它是通过在解空间中不断识别、选择出劣解并加以排除来获得优解.本文详细介绍了该算法的设计,从理论上分析了算法的收敛性能和时间复杂度,并针对TSP问题设计了相应的验证实验.理论分析和实验结果都表明该算法具有很强的问题求解能力.     

基于免疫克隆选择算法的图像分割

图像分割是图像处理领域中不可缺少的一个分支。该文基于阈值分割方法，将免疫克隆选择优化算法应用到图像分割中，提出了一种新的图像分割算法。详细叙述了算法机理，并对算法复杂度进行了理论分析以及实验数据比较。在仿真实验中，将遗传算法和免疫克隆选择算法分别独立运行10次，对10次得到的阈值以及均值、方差进行了比较，并将函数评价次数作为算法复杂度的评价指标。该文算法不仅能够对图像进行准确的分割，而且在同样的种群规模下能够以较少的迭代代数和较低的函数评价次数得到最优阈值。仿真结果表明，该方法应用在图像分割中是可行的、有效的。     

基于自适应免疫因子的模糊检务文字提取

为了实现准确、高效地从模糊的检务图像中提取文字目标,本文针对多种不同类型 的模糊检务图像,基于人工免疫原理,利用免疫因子的相关理念结合自适应滤波算法提出一 种自适应免疫算法。该算法首先通过动态地改变滤波窗口实现自适应滤波,达到兼顾保留文 字目标细节和滤除噪声的效果,再根据模糊类型的不同设计不同的免疫因子,从而实现最大 程度地保证提取文字目标的完整性、准确性。实验结果表明,本文算法在处理同种类型的模 糊图像时,相对于其他传统算法真阳率(true positive rate,TPR)有更明显地提高;且该 算法的假阳率(false positive rate,FPR)优于其他传统算法。通过各项评价指标的分析 ,表明本文算法在模糊检务图像文字提取方面具有可行性、准确性。     

基于小生境技术的多样性抗体生成算法

新的入侵方法以及网络计算环境的不断变化,使得入侵越来越难以防范.因此应用人体免疫机制构建下一代入侵检测系统成为一个新的研究热点.本文采用一种新的抗原－抗体编码方法,并在此基础上,提出一种基于共享函数的小生境遗传算法,用来产生多样性的抗体基因,最后给出多样性评价函数以验证算法的有效性.实验结果表明:该算法能够使抗体在演化过程中保持较好的多样性.     

分布式入侵检测系统中动态克隆选择算法的设计

在介绍人工免疫系统基本概念的基础上，讨论了基于人工免疫的入侵检测算法，重点讨论阴性选择算法和克隆选择算法，提出了一个基于人工免疫的入侵检测系统的模型，并针对传统克隆选择算法耗时性大的缺点对算法进行优化设计。理论分析和实验表明,算法的检测效率有了明显的改善。     

基于改进人工免疫算法的TDOA定位估计

采用最大似然估计方法解决TDOA定位估计问题可以避免已有算法的缺点,适用性更强,但必须解决由此产生的非线性优化问题。人工免疫算法是一种模拟自然免疫系统功能、收敛性能较好的新兴智能方法,针对TDOA定位估计问题对人工免疫算法进行了改进,采用浮点数编码,避免了二进制编码所必须的编解码过程;并采用轮盘赌策略克隆亲和度较高的抗体,并控制抗体以不同变异率变异,提高了收敛速度和性能,改进了免疫算子。针对TDOA估计问题,联合使用Chan算法和人工免疫算法,可以取得较好的定位精度,提高收敛速度。仿真结果表明,在保证抗体数量的情况下,该算法性能稳定,并能以较快的速度收敛到全局最优解,相对于Chan算法精度更高。     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

基于最优可免域神经免疫网络的深度模糊红外目标提取算法

深度模糊是模糊红外图像的一类表现特征,准确提取红外图像的深度模糊区域是提取模糊红外目标的基础。基于生物免疫系统在抗原检测、提取和消除上表现出识别、学习、记忆、耐受和协调配合等优异特性,结合生物免疫中神经系统与免疫系统相互作用的关系,提出了一种基于最优可免域神经免疫网络的深度模糊红外目标提取算法。该算法通过设计神经网络能给进行模糊红外图像目标与背景分类的免疫网络以指导作用。依靠独立于免疫系统神经网络先验知识的作用,设计了最优可免域神经免疫网络,实现了针对深度模糊红外目标的准确提取。实验结果证明,相对于其他传统目标提取算法,该算法能更有效和更准确地提取模糊红外目标图像中的目标。     

认知无线电网络中基于免疫算法的多目标频谱分配

认知无线电网络中工作于同一信道的次用户越多,对网络造成的干扰越严重,因此如何在增加网络可服务次用户数量的同时提高网络吞吐量成为近年来的研究重点。针对此问题,文中提出了一种改进的多目标免疫算法。该算法将频谱效率和网络吞吐量作为求解目标,同时设计了适合问题求解的抗体编码方式。最后在获得适合该问题的Pareto最优解之后,与NSGA-II算法进行实验对比。仿真结果表明,所提方法在搜索Pareto最优解时性能更好,并且能够满足不同网络需求下的频谱分配要求。