首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 156 毫秒

1.  动态多目标免疫优化算法及性能测试研究  
   钱淑渠  张著洪《智能系统学报》,2007年第2卷第5期
   基于生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫优化算法处理动态多目标优化问题.算法设计中,依据自适应ξ邻域及抗体所处位置设计抗体的亲和力,基于Pareto控制的概念,利用分层选择确定参与进化的抗体,经由克隆扩张及自适应高斯变异,提高群体的平均亲和力,利用免疫记忆、动态维持和Average linkage聚类方法,设计环境识别规则和记忆池,借助3种不同类型的动态多目标测试问题,通过与出众的动态环境优化算法比较,数值实验表明所提出算法解决复杂动态多目标优化问题具有较大潜力.    

2.  混沌系统动态多目标免疫优化算法及其应用  
   钱淑渠  武慧虹《计算机仿真》,2009年第26卷第6期
   生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫优化算法处理动态多目标优化问题.算法设计中,Logistic映射产生混沌抗体群;利用抗体的被控度和抗体拥挤距离设计抗体的亲和力;借助控制概念将群体分为非控群和被控群,再分别对其施行不同方式的突变增强群体的多样性;利用免疫记忆、Averagelinkage聚类方法,设计外部集和记忆集分别保存非控个体和亲和力较高抗体,所获的记忆细胞参与相似或相同环境初始抗体群的生成;借助三种不同类型的动态多目标优化测试问题,通过与两种最新的动态多目标进化算法及一种动态多目标克隆选择算法比较,数值实验论证了所提出算法在动态跟踪Pareto面的速度和执行效果上较其它算法优越.    

3.  基于自适应免疫遗传算法的智能组卷  被引次数:5
   孟朝霞《计算机工程》,2008年第34卷第14期
   对多目标组合优化的组卷问题,借鉴生物免疫系统原理中抗体多样性产生及保持机理,定义多目标选择熵和浓度调节选择概率概念,利用自适应免疫遗传算法,运用抗体克隆、高变异策略,实现组卷问题的多目标优化。该算法充分体现了pareto最优解的概念,具有并行搜索及个体编码长度动态调整、pareto最优个体保存于群体外(免疫记忆)并不断更新等特点。    

4.  改进的免疫优化算法对动态约束多目标问题的应用  
   武慧虹 钱淑渠 高忠生《计算机应用与软件》,2014年第4期
   基于进化理论的动态多目标优化算法极易陷入局部最优,跟踪动态Pareto有效面的速度及效果较差。基于免疫系统机理提出一种改进的免疫优化算法(DMIOA)用于动态约束多目标问题求解。算法通过抗体浓度及其支配度设计抗体与抗原亲和力,随机约束选择算子提高算法约束处理能力,环境识别算子自适应判断环境变化,根据识别结果以不同的方式产生新环境的初始抗体群。数值实验中,将DMIOA应用于两种动态标准测试问题及飞机减速器参数动态设计问题的求解,结果表明:DMIOA能快速跟踪动态Pareto有效面,且在各环境所获面分布均匀,具有较好的实际问题求解能力。    

5.  基于模拟退火选择的动态免疫算法及其应用  
   钱淑渠  武慧虹《计算机工程与应用》,2011年第47卷第36期
   借鉴人工免疫系统的记忆、动态识别等功能及模拟退火选择理论,提出一种适用于求解动态环境优化问题的动态免疫算法(DIASA),并将其用于高维动态约束背包问题。算法设计包括:(1)抗体的亲和力随群体进化而变化;(2)可行抗体被克隆和动态突变,突变概率与抗体浓度相关,而非可行抗体按价值密度贪婪修正;(3)新环境初始群经环境识别算子按不同方式生成,相似环境初始群由记忆细胞及随机抗体产生。数值实验中,选取著名的动态进化算法(ETGA)和动态免疫遗传算法(ISGA),通过不同难度的高维动态约束背包问题进行仿真比较,结果表明:DIASA较算法ISGA和ETGA对不同问题在各环境内表现较强的优化性能,群体中抗体多样性保持较好,能快速跟踪不同环境的最优值,收敛性强。    

6.  多目标约束优化免疫算法研究及其应用  
   张著洪  黄席樾《模式识别与人工智能》,2003年第16卷第4期
   基于生物免疫中抗体应答抗原的机理,提出具有动态性能的多目标约束优化算法,解决一般性的多目标约束最优化问题.该算法的关键在于如何充分模拟免疫应答的机制构建算子模块,以及如何提出约束条件处理和聚类新方法有效解决优化问题.其特点是稳健性及记忆细胞集保存优良抗体并用聚类算法限制其规模,抗体群规模动态调节及抗体应答的对象是抗原群,群体具有自我调节多样性和自适应环境的能力且能并行处理复杂优化问题.仿真事例比较验证该文算法的有效性及能处理高维优化问题.    

7.  约束动态免疫算法及对背包问题性能测试研究  
   钱淑渠  武慧虹《计算机应用与软件》,2012年第29卷第5期
   借鉴人工免疫系统的记忆、动态识别等功能,提出一种约束动态免疫算法(CDIOA),并用于高维约束动态背包问题的求解。通过随机约束选择策略选择可行及非可行抗体,非可行抗体参与群体的进化;利用抗体修正策略确保进化群中有一定比例可行抗体,提高算法搜索功能;设计环境识别模块判断环境变化与否,建立环境记忆池保存较优秀记忆细胞,记忆细胞参与相似(相同)环境初始群的产生,加速算法在相似环境搜索速度。建立三种不同环境的动态背包问题作为标准测试实例,将CDIOA与已有的四种动态优化算法进行测试比较,结果表明:CDIOA对各测试问题在不同环境表现出较好的收敛性能,在相似环境能快速跟踪最优值。    

8.  自适应免疫算法及其对动态函数优化的跟踪  被引次数:2
   张著洪  钱淑渠《模式识别与人工智能》,2007年第20卷第1期
   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.    

9.  求解偏好多目标优化的克隆选择算法  被引次数:8
   杨咚咚  焦李成  公茂果  余航《软件学报》,2010年第21卷第1期
   目标维数较高的多目标优化问题的难题在于非支配解急剧增加,经典算法由于缺乏足够的选择压力导致性能急剧下降.提出了基于偏好等级的免疫记忆克隆选择优化算法,用于解决目标维数较高的多目标优化问题.利用决策者提供的偏好信息来为抗体分配偏好等级,根据该值比例克隆抗体,增大抗体的选择压力,加快收敛速率.根据偏好信息来缩减Pareto前沿,并用有限的偏好解估计该前沿.同时,建立了免疫记忆种群来保留较好的非支配抗体,采用ε支配机制来保持记忆抗体种群的多样性.实验结果表明,对于2目标的偏好多目标问题以及高达8目标的DTLZ2和DTLZ3问题,该算法取得了一定的实验效果.    

10.  基于生物免疫机理的智能调度系统建模与仿真  被引次数:13
   李蓓智  杨建国  丁惠敏《计算机集成制造系统》,2002年第8卷第6期
   根据生物免疫系统的基本概念和免疫应答机理,构造了一种融生物免疫机理和专家系统为一体的生产调度模型,提出了基于工序约束的抗体优生方法和基于机床作业序列的抗体编码规则,介绍了基于生物免疫机理的智能生产调度关键算法,给出了作业车间生产调度案例及其多目标动态优化结果,通过生物免疫记忆,激增和抑制机理,基于工序约束的种子抗体优选方法和抗体进化约束性检验专家系统,有效地解决了大规模,多因素,多目标生产调度问题的求解效率和成功率。    

11.  一种免疫记忆动态克隆策略算法  被引次数:4
   刘若辰  贾建  赵梦玲  焦李成《控制理论与应用》,2007年第24卷第5期
   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.    

12.  Solving Nash equilibrium for N-persons' non-cooperative game based on immune particle swarm algorithm  
   JIA Wen-sheng    XIANG Shu-wen    YANG Jian-feng    HU Wen-sheng《计算机应用研究》,2012年第29卷第1期
   针对N人非合作博弈Nash均衡求解问题,将免疫算法中抗体浓度抑制机制和免疫记忆功能引入基本粒子群算法,提出了一种求解博弈问题Nash均衡的免疫粒子群算法.该算法通过抗体浓度抑制机制和免疫记忆功能来保持种群的多样性,不仅保持了粒子群算法简单、易于实现的特点,而且增强了粒子群算法的全局寻优能力,加快了算法的速度.实验表明,提出的算法具有较好的性能,优于免疫算法和基本粒子群算法.    

13.  基于免疫粒子群算法的非合作博弈Nash均衡问题求解*  被引次数:2
   贾文生  向淑文  b+  杨剑锋  胡文生b《计算机应用研究》,2012年第29卷第1期
   针对N人非合作博弈Nash均衡求解问题,将免疫算法中抗体浓度抑制机制和免疫记忆功能引入基本粒子群算法,提出了一种求解博弈问题Nash均衡的免疫粒子群算法。该算法通过抗体浓度抑制机制和免疫记忆功能来保持种群的多样性,不仅保持了粒子群算法简单、易于实现的特点,而且增强了粒子群算法的全局寻优能力,加快了算法的速度。实验表明,提出的算法具有较好的性能,优于免疫算法和基本粒子群算法。    

14.  一种基于免疫原理求解TSP问题的模型  被引次数:6
   蒋亚平  李涛  梁刚  徐春林  黄雪梅  王铁方《计算机工程》,2006年第32卷第15期
   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。    

15.  免疫遗传算法的研究及其在函数优化中的应用  被引次数:3
   高岩  位耀光  付冬梅  张蔚《微计算机信息》,2007年第23卷第6期
   本文提出的免疫遗传算法引入了免疫记忆环节和抗体浓度调节环节,它能很好的保证抗体的多样性,避免陷入局部极小和出现早熟收敛现象。通过对多峰值函数优化的研究,结果表明,本文所提出的算法具有较好的优化效果。    

16.  改进的距离浓度免疫算法  
   巨珺  张虹《计算机工程与设计》,2009年第30卷第4期
   针对现有免疫算法在抗体的评价形式和记忆库使用灵活性上存在的不足,提出了一种改进的距离浓度免疫算法.该算法采用实数编码,并引入了B细胞的概念,将B细胞对应于问题的解,抗体对应于解的适应度函数,采用距离浓度策略控制抗体的数量,同时在算法过程中动态使用记忆库.仿真实验结果表明,该算法编码形式灵活,计算过程简捷,能有效保证抗体在解空间的多样性,提高了寻优的收敛速度和从局部最小中逃逸的能力.    

17.  基于免疫强化学习机制的多机器人动态协作  
   高云园  彭勇刚  韦巍《制造业自动化》,2007年第29卷第7期
   利用免疫系统中T细胞对抗体的调节作用,本文提出的免疫强化学习方法以强化学习形式,动态调整抗体间相互作用系数,优化网络结构,充分利用了免疫系统的自学习、自适应和免疫记忆特性。将免疫强化学习应用于机器人系统,机器人基于行为集,在实际运行中在线学习未知环境信息,优化行为选择。在基于免疫学习的单机器人系统基础上,考虑多机器人协作性,并应用于多机器人多目标探测中。仿真验证了基于免疫学习机制的多机器人系统对未知动态环境的学习能力和动态协作的有效性。    

18.  一种基于动态识别邻域的免疫网络分类算法及其性能分析  
   邓泽林  谭冠政  何锫  李峰《电子与信息学报》,2015年第37卷第5期
   针对传统免疫网络分类算法在记忆细胞确定上缺乏有效的指导,该文提出一种基于动态识别邻域的免疫网络分类算法.算法采用核函数表示机制来描述抗体-抗原之间的亲和度;利用抗原对构造动态识别邻域来指导抗体群体的进化,并选择邻域中距离对偶抗原最近的抗体为记忆细胞.算法被应用于多分类问题及高维分类问题来进行算法性能分析,同时,算法被应用于多个标准数据集的分类来评估算法的整体性能.分类结果表明该算法对于标准测试数据集有良好的分类性能,这说明基于动态识别邻域的训练方法能够有效地指导记忆细胞的生成,显著地改善分类器的性能.    

19.  基于免疫原理的粒子群排样优化方法  
   张道荣  梁利东  刘友菊  李杨《常州工学院学报》,2014年第5期
   针对排样优化中种群个体多样性保持及全域寻优存在的问题,将免疫系统的免疫信息处理机制引入到粒子群优化算法中,建立求解排样问题的粒子群免疫优化方法。该方法借鉴人工免疫中抗体的多样性保持机制及免疫记忆功能,强调优势基因的进化和浓度稳定,提高了算法的全域搜索速度并保持了群体多样性。实验表明,在对船舶不规则件排样优化问题求解中,免疫机制对粒子群优化的最优搜索具有较好的有效性和较高的可行性。    

20.  基于信息熵的免疫遗传算法聚类分析  被引次数:1
   傅平  罗可《计算机工程》,2008年第34卷第6期
   介绍了基于信息熵的免疫遗传算法的聚类分析方法。将免疫算法引入到遗传算法中,利用免疫算法的免疫记忆、自我调节和多样性保持功能弥补了标准遗传算法的局部搜索能力差、计算量大和早熟收敛等问题。采用DNA进行抗体编码,利用信息熵来表示抗体间亲和度及浓度,并采用聚合亲和度,实现了抗体群的自我调节和多样性保持策略。实验表明,该算法优于标准遗传算法。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号