基于离散粒子群算法全局QoS最优的Web服务选择

Web服务选择是Web服务组合中重要问题,也是一个NP难问题,使用离散粒子群算法对该问题进行建模求解并针对粒子群算法后期容易陷入局部最优进行改进,借鉴遗传算法中杂交变异的思想对算法迭代后期的一部分粒子进行杂交变异,实验仿真证明,由于杂交变异的引入,能够求得Web服务组合全局QoS更优的解。     

人工免疫系统中反向选择算法的改进

将人工免疫系统运用到入侵检测系统中,近年来已经有了一定的发展。在这个领域中,如何培育出符合需求的免疫细胞,使能够较多地识别非我并较少地识别自我,尽可能地覆盖NONSELF空间,这就是如何培育更好的识别器的问题。反向选择算法是识别器的传统构造算法,该文针对反向选择算法的伪肯定率过高的问题,提出了改进算法,在入侵检测系统中达到的效果更好。     

基于QoS的组合服务优化选择问题建模与求解

提出了一种支持Web服务动态组合的框架,并在此基础上对Web服务组合中的服务优化选择问题建模,根据用户设置的QoS约束条件,将服务优化选择问题分成3类,并分别给出了相应的服务选择算法。实验证明算法在保证一定优度的同时亦具有良好的时间性能。     

基于QoS的动态Web组合服务选择方法

QoS已是衡量Web服务好坏的一个重要标准,基于QoS的Web组合服务在执行前进行的服务选择和执行中进行的服务选择是当前的主要两大选择方法。前者难以适应不可预知的服务环境变法,后者计算量大却难以控制整个服务流程的最优性。根据二者的优缺点,将二者结合起来提出了一种基于QoS的二次服务选择方法,先得到静态最优解集、在对其进行动态绑定。实验证明该方法可有效的避免二者的不足,继承二者的优点,保证服务的高效性,可靠性。     

基于人工免疫系统的数字模式识别

将免疫机制和算法引入到数字识别问题,然后将数字识别问题的有关描述与免疫系统的相关概念及系统所用到的免疫原理对应起来,设计了用于数字识别的人工免疫系统模型。该模型具有学习、记忆、自适应和多样性等特性。算法仿真试验结果表明此方法具有识别率高、识别速度快的优点,具有广阔的应用前景。     

基于人工免疫原理的NIDS系统和有关算法设计

给出一种基于人工免疫原理的网络入侵检测系统(NIDS)模型．它以频繁序列模式为基础建立自体模式集和异己模式集，随后给出了一种有效的模式编码算法．在这种编码基础上文章提出一种用于检测器生成的集否定选择和克隆选择为一体的算法．最后给出算法复杂性分析。     

基于人工免疫系统的数据简化

针对数据简化中的实例选择问题,基于抗体克隆选择学说提出了一种免疫克隆数据简化算法.利用马尔可夫理论证明了该算法能以概率1 收敛.通过对7 个具有代表性的标准UCI 数据集的简化实验证明了该算法的有效性.通过实验分析了权值参数λ的取值变化对算法性能的影响,确定了其最佳取值区间.针对海量数据集简化时算法收敛较慢的问题,引入分层编码策略.通过对7 个大规模及海量数据集的简化实验表明了在进化代数不变的情况下,新的编码方式能够极大地提高算法的收敛速度,得到更为理想的结果.通过对Letter 和DNA两个数据集的实验给出了分层编码中层数t的最佳取值区间.     

基于人工免疫的入侵检测系统负选择并行算法

基于人工免疫的入侵检测技术是网络安全的一个新兴研究领。运用人体免疫系统的出色功能,对负选择算法进行并行化设计,根据程序并行性的条件将串行的负选择算法中的任务进行划分,由多个处理机并行求解子任务,并将子解合并获得问题的解。分析表明,基于人工免疫的入侵检测系统负选择并行算法获得线性加速。     

用户QoS需求导向的服务演化选择策略

服务型软件以其特有的优点被广泛应用,而面向QoS服务选择问题的解决能更有效地推动服务的普及。组合服务的演化性要求在服务发生演化时,从具有相同功能的候选服务中选择满足用户QoS需求的候选服务。为了在满足用户QoS需求的情况下选择最优的服务,基于遗传算法,提出一种用户QoS需求导向的服务演化选择策略。通过淘汰不满足用户QoS需求的候选服务,快速排除不符合需求的服务,并最终选择符合用户QoS需求的服务组合。实验结果表明,用户QoS需求导向的服务演化选择策略能够较优和较快地解决服务组合选择问题,并保证用户QoS需求,为服务选择提供一种新的方法和思路。     

基于多记忆抗体克隆选择的人工免疫网络算法

在优化克隆算法的研究中,针对传统的克隆选择算法存在收敛性差和局部最优问题,提出一种多记忆抗体克隆选择原理的人工免疫网络算法。在克隆选择算法的基础上通过引入替代阀值因子,利用随机生成的新抗体组成种群替代原种群中对抗原亲和力最小抗体,同时增设变异概率的概念,达到在一定程度上避免记忆抗体种群的退化现象,提高算法的全局优化能力,避免陷入局部最优。仿真结果表明,算法加快了种群亲和力成熟的进程,随着进化代数的增加检测率总体呈上升趋势,能更好的应用于大规模各种识别问题中。     

基于人工免疫的支持向量机模型选择算法

支持向量机中参数设置对训练支持向量机分类的精确度有不可忽视的影响。支持向量机参数的选取可看作参数的组合优化。免疫算法是一种有效的随机全局优化技术,它具有不易陷入局部最优解、解精度高、收敛速度快等优点。该文利用人工免疫算法进行支持向量机模型选择。该算法主要包括克隆选择、高频变异、受体编辑等操作。试验证明,该算法能够有效提高支持向量机分类的正确性。     

基于离散量子粒子群的信任增值服务工作流选择方法

随着面向服务计算技术的发展,用户提出的任务趋于复杂化,如何高效地把现存的各种组件服务整合起来形成新的满足复杂任务需求的增值服务即组合服务,已成为研究的热点。针对这种增值服务的服务选择问题,设计了一种信任增值离散量子粒子群算法。该算法与传统的面向QoS全局最优的服务选择算法的区别在于,前者不仅考虑了服务的信任问题,有效地解决了服务工作流中的恶意欺骗问题,同时还结合工作流的特点,将量子粒子群算法离散化,根据服务选择应用场景重新定义了量子粒子群算法中各种位置的计算方法和其中权重系数的自动调整。仿真实验结果表明,该离散量子粒子群算法不仅降低了服务选择的时间,且能得到更优的适应度值,同时还考虑了信任问题,提高了服务选择的成功率。     

基于离散微粒群算法的动态Web服务选择

Web服务作为一种新型的Web应用模式近年来得到了迅速的发展.如何高效动态地把现存的各种Web服务整合起来以形成新的满足不同用户需求的增值的复杂服务,已成为新的应用需求和研究热点.针对服务选择问题,设计了一种面向动态Web服务选择的离散微粒群算法,并结合服务选择研究背景,提出了3种速度计算算子和一种位置进化方程.针对进化算法容易陷入局部极值这一共同缺陷,定义了微粒无希望/重希望准则,以保证微粒群的多样性,增强全局搜索能力.理论分析和实验结果表明,该算法不仅具有较快的收敛速度,而且具有较好的全局收敛性能;同时说明Max运算在服务选择中具有较好的综合性能.     

不确定离散时间系统的变结构控制

常规变结构控制用于不确定系统,须利用不确定性界确保系统的鲁棒性,控制器过于保宇且抖振变大本文把未知干扰和参数不确定性的影响等效为名义系统的外界干扰,利用时延技术对干扰进行在线估计,并将估计值引入到变结构控制中,从而抵消掉系统中的慢变不确定性,利用离散趋近律法,了准滑动模态的条件及其带宽,该方法克服了以往控制方法中须已知不确定性界的限制,且不泌满足匹配条件,用较低的控制增益保证了系统的鲁棒性,降低了     

离散变结构输出反馈控制

讨论了离散系统的变结构输出反馈控制,采用输出反馈控制不需状态完全可测;本文给出了输出反馈变结构控制系统的滑模平面设计方法;利用趋近律的思想设计控制律,证明了系统的准滑模稳定性。     

人工免疫系统中人工抗原提呈细胞的设计

反向选择模型是人工免疫系统中的经典模型,但存在训练代价高、覆盖率低的问题.危险理论模型是人工免疫系统中新引进的模型,在降低训练代价,提高覆盖率上具有优势.建立人工免疫危险理论模型必须解决的关键问题之一是:在保持人工免疫系统自适应特征的前提下,设计人工抗原提呈细胞.本文从抗原提呈细胞的生物学原理出发,设计了人工免疫系统中的人工抗原提呈细胞,给出单个人工抗原提呈细胞的结构、细胞上Toll样受体的结构,以及人工抗原提呈细胞群体的结构;设计了人工抗原提呈细胞群体的生命周期.初步的实验结果证明所设计的人工抗原提呈细胞具有自适应发现恶意软件的能力.