自适应克隆抑制人工免疫算法*

分析了传统的人工免疫算法在寻优过程中易陷入局部极值点或过早收敛的原因,对算法进行了改进,提出了一种自适应克隆抑制免疫算法。改进的算法在克隆下一代抗体时,同时考虑了抗体亲和度和浓度两个因素,并给出了一种自适应调节两者关系的算子,兼顾了收敛速度和后代抗体种群多样性两个方面。对改进后的算法进行了分析,给出了数学描述,以便于工程应用。最后,通过典型的算例对提出算法的有效性进行了验证,结果证明,改进后的算法在收敛速度和寻优性能方面均优于传统的人工免疫算法和标准遗传算法。     

一种改进的人工免疫算法

简要介绍了遗传算法、人工免疫算法的工作原理。为了克服传统人工免疫算法存在的不足,该文提出一种改进的人工免疫算法,并利用Rosenbrock函数对3种算法进行了试验比较。实验结果表明,该文提出的改进的人工免疫算法较遗传算法、传统的人工免疫算法更为有效。     

一种加快基于信息熵的人工免疫算法运行速度的方法

为了提高人工免疫算法(AIA)的运行速度，对AIA的算法构成进行了详细深人的分析研究，发现AIA的大部分机时耗费在计算抗体群信息熵过程中的大量的对数函数重复计算上面，据此提出了一种利用查表方法计算对数函数和定长染色体构成的有限群体信息熵的方法，并把该方法应用到基于信息熵的人工免疫算法中去。仿真实验结果表明，新的方法使基于信息熵的人工免疫算法的运行速度提高了16．6倍，而对人工免疫算法的其他性能影响很小。     

面向多峰值函数优化的人工免疫网络算法特性分析

对用于多峰值函数的人工免疫网络算法进行了改进并分析了其特性.首先在给出基于人工免疫网络的多峰值函数优化算法及其流程的基础上,提出了一种克服早熟现象的改进方案;然后通过与克隆选择算法的数值对比实验,对改进后算法的计算结果加以分析,验证了该算法用于求解多峰值函数优化的有效性;最后重点讨论了算法主要参数对其求解性能的影响,得到了若干参考性结论,可为人工免疫网络计算提供指导.     

一种用于入侵检测的改进人工免疫算法

通过对基于信息熵和基于欧氏距离的免疫算法的分析和改进,提出一种新的适用于入侵检测的人工免疫算法（AIAID）。该算法引入马氏距离的思想,改进相似度和期望繁殖率的计算,把抗体不同特征的重要性和取值范围加入到相关运算中,对算法流程进行优化。设计一种新的基于AIAID的入侵检测系统模型。实验表明,将AIAID用于入侵检测能够明显缩短训练时间,提高检测效率。     

人工免疫系统整体架构及其在数据分类中的应用

受智能进化理论的启发，集成现有的免疫算法，加入更高的智能层次上新的免疫机制，建立了一个人工免疫系统的整体多层次架构．首先，从智能进化的角度说明基于整体免疫系统信息处理机制的算法具有更高的“计算”能力．然后，就一种新的基于人工免疫系统整体架构的数据分析算法，介绍了试验结果，并对结果进行了讨论．最后，笔者指出，人工免疫系统整体架构不仅可以提高现有算法的效率，而且可以扩展人工免疫系统的应用领域．     

基于人工免疫算法的波长选取在光谱分析中的应用

针对波长选取对光谱分析模型预测性及稳定性的影响,结合免疫系统信息处理机制和光谱分析原理,提出一种改进了的人工免疫算法,并将其应用于光谱分析波长选取中.改进后的算法克服了原有的基于抗体浓度评价的人工免疫算法因抗体评价不当给算法的收敛性带来的不利影响,避免了在后期的进化过程中所得结果是局部最优解而不是全局最优解,在保持个体多样性上有很大优势.实验结果表明,该算法具有很强的全局收敛性,个体进化效率高.     

基于相似性矢量距选择的改进人工免疫算法

针对基于信息熵和基于欧氏距离的免疫算法存在的不足,提出了一种改进的免疫算法。该算法重新定义了浓度的计算方法,提出一种新的保持抗体群多样性的策略,在将其应用在中国旅行商问题（CTSP）的求解中,具体针对旅行商问题提出了新的免疫疫苗的提取和注射方法,通过实验表明了新的算法能更快地收敛到最优解,且求得最优解的效率更高,是一种较理想的求解复杂优化问题的改进算法。     

入侵检测系统中基于免疫的克隆选择算法

机体免疫系统的许多有益特性被应用予入侵检测系统，使之能够主动地防御各种各样的网络攻击。该文在分析了将人工免疫学应用到入侵检测的过程中所遇到诸多问题之后，提出了一个基于免疫的克隆选择算法。该算法采用一种新的基因型与表现型的表达方式，利用全新的匹配方法，引入反向选择算子，对入侵检测的人工免疫模型进行了有效改进。     

人工免疫网络算法与RBF网结合的应用研究

人工免疫网络是一种基于生物免疫系统启示的智能信息处理模型,得到广泛的研究和应用。在改进现有的人工免疫网络算法的基础上,将其与RBF网络结合构成基于人工免疫网络的RBF网并应用于问题求解。实验表明,改进后的人工免疫网络算法具有减少数据冗余、平滑噪声、提取特征数据从而提高数据质量的功能,在与RBF网结合的应用中可以有效提高问题求解的速度和性能。     

基于人工免疫系统的客户流失分析

针对目前客户流失分析中的过量抽样和规则不容易理解导致分类算法在实际应用中的效果不明显的问题,提出了一种抗体抗原交叉的规则归纳算法（IRAA)。该算法基于人工免疫思想,结合了Michigan方法模型的规则提取和分类方法,并且在其抗体的克隆选择过程中增加抗体与抗原的交叉。通过与传统分类算法的比较实验表明,IRAA提高了分类准确率,导出了容易理解的规则。     

旅行商问题的人工免疫算法

1 引言旅行商问题(TSP)是一个典型的有序组合优化问题,可以看成是许多领域内复杂工程优化问题的抽象形式。研究TSP问题的求解方法对解决复杂工程优化问题具有重要的参考价值。对于TSP问题,目前还没有完全有效的求解方法,但是,多年来人们一直在不停地探索。近年来,模拟自然界生物进化过程的求解TSP问题的方法不断见诸文献,但以基于     

人工免疫分类器记忆细胞分布比较研究

人工免疫网络记忆分类器和人工免疫识别系统是两种人工免疫分类方法。二者的免疫系统原理有所差别,前者改进后的性能优于后者。本文对二者产生的记忆细胞分布进行比较研究,指出二者在分类性能上的差别来自记忆细胞分布。二者记忆细胞的分布都近似正态分布,但前者的产生高质量记忆细胞的概率高于后者。     

基于改进的人工免疫算法的函数优化

为了提高算法的运行速度和收敛速度,确保算法收敛到全局最优,以及提高群体的多样性和整体品质,提出了基于百分比表示的抗体相似度、期望繁殖率以及克隆选择概率的定义方法和计算公式,并结合精英策略(elitism strategy)提出了一种改进的人工免疫算法,(Artificial Immune Algorithm with Elitism,AIAE).用AIAE对测试函数F15进行仿真实验,结果表明所提算法能以较快的速度搜索到函数的全局最优解,并且解的波动性很小、解的质量很高.因此可将该算法用来优化由本项目设计组设计的智能人工腿中的控制器.     

人工免疫系统研究的新进展

综述了人工免疫系统的最新研究成果。首先简述了生物免疫系统的信息处理机理，其次介绍了独特型人工免疫网络、多值免疫网络、免疫联想记忆等人工免疫模型，以及反向选择、免疫遗传、克隆选择等五类免疫学习算法，最后介绍了人工免疫系统的应用，并展望了该领域的进一步研究方向。     

一种新的混合免疫算法

免疫算法是在免疫系统识别多样性的启发下所设计出的一种新的多峰值函数的寻优算法。文章针对目前人工免疫算法在收敛于全局最优方面存在的缺陷,提出了一种模拟退火免疫算法,引入Boltzmann退火选择算子,利用模拟退火算法可选择性接受恶化解的特点克服传统免疫算法的缺陷,并通过实验证明了该混合免疫算法的优越性能。     

基于克隆选择原理的免疫算法

提出了一种基于克隆选择原理的人工免疫算法(AIA),该算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异等思想,并将其应用到广义最小生成树(GMST)的求解当中,仿真结果证明提出的免疫算法能迅速收敛到全局最优解,显著提高了全局收敛可靠性和全局收敛速度。