入侵检测中的免疫算法研究

免疫算法是一种新兴的智能计算技术,已成为网络、智能控制、计算等领域研究的重点和热点之一。开展免疫算法的理论研究,对于发展新的入侵检测技术,建立新一代的入侵检测系统着重要的意义。该文讨论了几种典型免疫算法的原理,包括基于T细胞否定选择原理的否定选择算法,基于生物免疫系统克隆选择理论的克隆选择算法,遗传算法与免疫理论结合的免疫遗传算法,并讨论分析了不同免疫算法使用在入侵检测技术中的优劣。     

一种求解车间作业调度问题的免疫算法

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统。基于免疫系统的克隆选择机制,提出一种求解车间作业调度问题的免疫算法。利用免疫算法较强的搜索能力可以实现全局寻优。通过使用克隆、高频变异和抗体抑制等免疫操作,提高了算法的收敛速度和种群的多样性,可以有效地克服遗传算法种群早熟化和收敛速度慢的问题。仿真结果表明,与改进后的遗传算法比较,提出的免疫算法在全局最优解和收敛速度上都有较为明显的优势。     

主从式免疫克隆选择算法求解任务分配问题

基于生物免疫系统的克隆选择机理,提出一种求解任务分配问题(task assignment problem,TAP)的主从式免疫克隆选择算法(MSICSA).该算法采用一种多种群策略,通过迁入和辽出操作,更新种群之间的信息,保持了群体的多样性.实验结果表明,该算法可有效改善基本免疫克隆选择算法解决大规模优化问题上的不足,具有很好的收敛性和稳定性,能有效解决任务分配问题.     

免疫克隆算法参数的均匀设计

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统,本文介绍了人工免疫系统中的克隆选择原理。免疫克隆算法的参数设置通常是依靠经验和试验来确定,造成试验工作量大且难以得到最优的参数组合,影响了算法的使用。通过将免疫算法基本模型的参数设定问题描述成均匀设计中多因素、多水平的试验设计,从而能够用较少的试验很快 快设定算法参数的取值。仿真试验表明了该方法的可行性和有效性。     

一种用于函数优化的免疫算法

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统。利用免疫系统的克隆选择机制,提出一种用于函数优化的改进免疫算法。其主要特点是采用克隆和自适应变异等操作,提高收敛速度和种群的多样性。仿真程序表明,该算法能以较快速度完成给定范围的搜索和全局优化任务。     

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。     

基于Multi-memory机制的克隆选择算法及其在模式识别中的应用

人工免疫系统研究中大多借鉴克隆选择原理来构建免疫识别算法。描述了Castro提出的克隆选择算法CLONALG的整体框架,指出其在大规模模式识别问题中的不可收敛性。在CLONALG的基础上设计了Multi-memory机制,并以模式识别为应用背景提出了新的基于Multi-memory机制的克隆选择的免疫算法MCA,提出并深入分析了记忆抗体训练过程中的关键因素——变异概率的计算公式。实验表明,采用MCA的免疫系统具有更强的泛化能力、更高的抗原识别率以及更能适应大规模问题的优良特性。     

人工免疫系统:原理、模型、分析及展望

目前，受生物免疫系统启发而产生的人工免疫系统（Artificial ImmuneSystem,AIS)正在兴起，它作为计算智能研究的新领域，提供了一种强大的信息处理和问题求解范式，该文侧重以AIS的基本原理框架为线索，对其研究状况加以系统综述，首先从AIS的生物原型入手，归纳提炼出其仿生机理，主要包括免疫识别，免疫学习，免疫记忆，克隆选择，个体多样性，分布式和自适应等，进而对几种典型的AIS模型和算法分门别类地进行了细致讨论，随后介绍了AIS在若干具有代表性的领域中的应用情况，最后通过对AIS的特性和存在问题的分析，展望了今后的研究重点和发展趋势。     

免疫遗传算法在图像分割中的应用

提出一种基于免疫系统的免疫记忆特性所改进的遗传算法。该算法方面在传统的遗传算法的初始种群中,加入了根据先验知识制成的疫苗,从而大大提高了算法的收敛速度;另一方面,对遗传算子中的选择算子也进行了改进,吸取了免疫系统中的克隆选择的优点,并且根据细胞的亲和力进行变异,进而提高了图像分割的速度。     

免疫调度算法综述

调度问题在科学和工程中广泛存在且难以求解,人们一直寻求先进的调度算法来解决这一问题．基于生物免疫系统的计算智能发展迅速,并很快被应用于调度问题,体现了其解决调度问题的优势和特色．对此,综述了国内外免疫调度理论和算法的研究现状,介绍了基于克隆选择、免疫网络、疫苗接种等原理的调度算法,并将其按免疫机理、优化目标以及解决的问题进行分类．最后给出了免疫调度算法在各领域中的应用及其未来研究展望．     

人工免疫系统超变异模式识别及应用

描述了人工免疫系统(Artificial Immune System,AIS)原理,在人工免疫系统算法的基础上,对免疫系统的超变异特性进行了算法设计,并针对四种简单信号模式对人工免疫系统普通模式识别算法和超变异模式识别算法进行了比较.结果表明:人工免疫系统普通模式识别算法和超变异算法皆可对四种信号模式进行识别,超变异算法可以快速得到最优抗体,且亲和力优于普通人工免疫系统模式识别算法,并给出了人工免疫系统超变异模式识别算法在碳纤维增强复合材料板疏松缺陷超声信号检测中的应用.     

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．     

人工免疫系统的基本理论及其应用

介绍了生物免疫系统的工作机制与特性及人工免疫算法,且将人工免疫系统与其他智能方法进行比较.还归纳了人工免疫系统的工程应用并对人工免疫系统需深入研究的方向进行了展望.     

Minimizing makespan for flow shop scheduling problem with intermediate buffers by using hybrid approach of artificial immune system

In this study, three new meta-heuristic algorithms artificial immune system (AIS), iterated greedy algorithm (IG) and a hybrid approach of artificial immune system (AIS-IG) are proposed to minimize maximum completion time (makespan) for the permutation flow shop scheduling problem with the limited buffers between consecutive machines. As known, this category of scheduling problem has wide application in the manufacturing and has attracted much attention in academic fields. Different from basic artificial immune systems, the proposed AIS-IG algorithm is combined with destruction and construction phases of iterated greedy algorithm to improve the local search ability. The performances of these three approaches were evaluated over Taillard, Carlier and Reeves benchmark problems. It is shown that the AIS-IG and AIS algorithms not only generate better solutions than all of the well-known meta heuristic approaches but also can maintain their quality for large scale problems.     

Theoretical advances in artificial immune systems

Artificial immune systems (AIS) constitute a relatively new area of bio-inspired computing. Biological models of the natural immune system, in particular the theories of clonal selection, immune networks and negative selection, have provided the inspiration for AIS algorithms. Moreover, such algorithms have been successfully employed in a wide variety of different application areas. However, despite these practical successes, until recently there has been a dearth of theory to justify their use. In this paper, the existing theoretical work on AIS is reviewed. After the presentation of a simple example of each of the three main types of AIS algorithm (that is, clonal selection, immune network and negative selection algorithms respectively), details of the theoretical analysis for each of these types are given. Some of the future challenges in this area are also highlighted.     

人工免疫系统研究及其工程应用

人工免疫系统是一种由生物免疫系统启发的学习外界物质的自然防御机理的学习技术。目前，人工免疫系统已开始成为计算智能研究的新领域。本文首先介绍免疫系统的机理，然后给出人工免疫网络模型和免疫学习算法，接着说明人工免疫系统的最新研究成果，最后指出其进一步研究的方向。     

具有模糊处理时间的网格任务调度免疫算法

目前，网格计算作为一种新的计算范式正在兴起。任务调度是其中的一个重要研究领域。该文以AIS的克隆选择算法为基础，给出了基于人工免疫系统的网格任务调度算法。首先，对网格任务调度问题进行模糊化，并给出了形式化描述，随后用结构化的语言对算法进行了说明，最后通过仿真实验对算法的有效性以及算法参数对性能的影响进行了验证。     

人工免疫原理在入侵检测系统中的应用研究

介绍了生物免疫系统的免疫原理,并且分析了目前入侵检测系统（IDS）及其存在的问题.为了解决这些问题,提出了一个基于人工免疫原理的入侵检测模型,该模型使用负筛选算法产生检测规则集.最后通过一个实例检验了这个系统,该系统与其它入侵检测系统相比增加了可适应性、自治性、健壮性等特点.