改进遗传算法在发电机组优化组合中的应用

在研究遗传算法（ＧＡＳ）的基础上，提出了一种改进遗传算法（ＩＧＡ），并将其应用于发电机组的优化组合中。本文所提出的发电机组改进遗传算法具有快速搜索、易收敛和强鲁棒性的特点。最后，用ＩＧＡ法确定一实际电力系统机组优化组合，结果证明该方法的有效性和应用前景     

免疫遗传算法在TSP求解中的应用

基本遗传算法保持群体多样性的能力较差，所以经常在问题求解的过程中得到局部最优解。根据生物的免疫原理提出的一种改进算法——免疫遗传算法。免疫遗传算法主要体现了生物免疫系统中的基因重组、免疫记忆、隔离小生境和免疫元动态等特性，这些特性改进基本遗传算法的群体多样性保持能力。最后结合旅行商问题（TSP）的优化介绍了具体实现方法，实验结果表明该免疫遗传算法有较好的性能。     

遗传算法机理研究及其在VLSI-CAD中的应用

遗传算法机理研究及其在ＶＬＳＩ－ＣＡＤ中的应用上海交通大学李逍波华能上海分公司陈双明１前言遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ，ＧＡ）是受达尔文生物进化论启迪而发展起来的一种随机性优化计算技术。它把进化论中的遗传、交配、变异、有性繁殖、环境、...     

基于免疫遗传算法的软件测试数据自动生成

提出了一种应用于软件测试中的基于免疫遗传算法（IGA）的软件测试数据自动生成的算法。该算法在传统的遗传算法中引入免疫算子,免疫算子其中包括获取疫苗、注射疫苗和免疫选择。实验结果表明,该算法的效果比传统的遗传算法效果好。     

一种新的优化搜索算法—遗传算法

本文详细介绍了遗传算法（ＧＡ）及其数字基础，遗传算法与传统优化方法的区别，总结了遗传算法的特点。同时给出了几种ＧＡ的改进方法和应用ＧＡ的要点。     

求解串并联系统配置问题的免疫遗传算法

通过对串并联系统配置可靠性问题的分析,提出了基于免疫遗传算法（IGA）求解该问题的方法。在保留基本遗传算法随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性。实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,其全局收敛性及收敛速度均得到了提高。     

一种新的优化搜索算法—遗传算法

本文详细介绍了遗传算法（ＧＡ）及其数字基础，遗传算法与传统优化方法的区别，总结了遗传算法的特点。同时给出了几种ＧＡ的改进方法和应用ＧＡ的要点。     

改进免疫遗传算法及其应用研究

在传统遗传算法基础上提出一种改进遗传算法——免疫遗传算法（IGA）,该算法将生物系统免疫思想引入遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了群体中较优抗体又保证了抗体多样性,避免搜索进化的过早收敛,得到全局最优解。文中采用此改进算法来控制无源光中光分支器和光网络单元中位置分配选择,通过浓度因子控制解空间的搜索方向,帮助逃离局部极值。利用Visual C＋＋6．0对改进的免疫遗传算法和传统遗传算法进行比较,证明IGA的有效性和优越性。     

一种新型免疫遗传算法

标准遗传算法存在收敛速度慢、过早成熟等缺点。借鉴生物免疫系统中抗体注射免疫的理论,提出了一种基于抗体注射的新型免疫遗传算法（AIGA）。该算法在保留标准遗传算法随机全局搜索能力的基础上,引进了生物免疫系统的免疫应答、抗体注射、免疫选择等机制。结合TSP问题,给出了示范抗体的提取和注射方法,并给出了算法收敛性的理论证明。最后,用AIGA算法对100个城市的TSP问题进行了仿真计算,并将其计算过程与标准遗传算法进行了对比,结果表明该算法能有效地改善遗传算法的不成熟收敛缺陷,使收敛的速度有较大的提高。     

基于改进免疫遗传算法的聚类分析研究与应用

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法（MIGA）。该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想。通过实验显示该方;醛法优于基本的遗传算法。     

一种用于优化计算的自适应免疫算法

基于生物免疫系统中的学习机理,提出了一种新的优化算法———自适应免疫算法。算法包括选择、扩展和突变操作,扩展和突变操作分别在解空间中局部和全局范围内搜索最优解。定义了选择比例、扩展半径和突变半径三个新的算法参数,并提出了根据群体的多样度自适应调节算法参数的方法,以提高算法的全局寻优性能。对TSP问题的仿真验证了该算法的有效性。     

一种优化多层前向网络的IA-BP混合算法

该文针对免疫算法(IA)在优化较大规模的多层前向神经网络时收敛速度慢的缺点,给出了一种综合免疫算法和BP算法优点的IA-BP混合算法,它首先采用免疫算法进行全局搜索,然后调用BP算法进行局部搜索,从而加快收敛速度。实验结果表明该算法在训练较大规模的前向神经网络时性能要优于免疫算法和BP算法。     

混沌免疫优化组合算法

利用混沌迭代的遍历性和内在随机性。提出一种混沌免疫优化组合算法．该算法综合了免疫进化算法和混沌优化算法各自的空间搜索优势，将混沌变量加载于免疫算法的变量群体．利用混沌搜索的特点对记忆库群体进行微小扰动，并逐步调整扰动幅度．实验结果表明，该算法能明显改善免疫进化算法的收敛性能，搜索效率也得到了显著提高．     

基于改进免疫遗传算法的聚类分析研究与应佑

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法(MIGA).该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想.通过实验显示该方法优于基本的遗传算法.     

基于改进量子粒子群算法的Nash均衡研究

在N人非合作博弈Nash均衡问题求解过程中,将量子不确定性原理、协同演化以及免疫算法内的抗体浓度抑制机制引进到经典粒子群算法中,设计了一种新型改进量子粒子群算法来更好地处理Nash均衡问题。该算法在运算过程中,运用抗体浓度以及协同演化的方式来维系粒子群具备的多样性特征,并借助量子不确定性缩减迭代搜索耗时。该算法不仅有效地将粒子群算法运算简单与方便实现的特质承继下来,而且算法的收敛速度以及其全局搜索能力都获得了大幅度的提升。相关数值算例分析表明,改进的算法能够更好地处理粒子早熟,相较遗传算法以及免疫粒子群算法更具性能优越性。     

免疫遗传算法在船舶运动模拟器控制中的应用

通过对功率放大器、伺服比例阀和液压缸及其负载的分析,建立了六自由度船舶运动模拟器的动态模型.遗传算法是一种采用多点搜索和交叉操作技术的随机化搜索算法,具有良好的全局搜索能力,但遗传算法本身还存在许多不足,将免疫算法与遗传算法相结合,通过抗体之间的促进与抑制反应,可以实现系统对环境的自适应.由于基于免疫反馈和遗传机制的免疫遗传算法具有全局优化的能力,所以针对传统PID控制的不足,利用免疫遗传算法对PID控制参数进行整定并得到全局最优解,由此得到的控制器具有很好的控制效果,响应较快,静差较小.     

基于体液免疫的机器人路径规划免疫算法

依据生物免疫中体液免疫原理,提出一种新的移动机器人路径规划免疫算法。针对机器人在已知环境下的运行特性,对其设计路径光滑性指标及依据神经网络设计碰撞行为评价指标,将路径规划问题转化为非约束优化,进而结合体液免疫应答机制,获得路径规划新方法。该算法的特点是具有并行及快速搜索的能力,对机器人初始路径无任何约束。对各种难易不同的初始和目标位置,均能保证获无碰最优路径。仿真事例获知此算法的有效性。     

基于免疫遗传算法的多约束QoS路由选择算法

该文针对多约束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。设计了一个基于免疫遗传算法的Qos路由选择算法，该算法主要利用生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进作用来控制收敛方向，促进快速求解。实验表明本文提出的算法具有较好的性能，大幅度地提高Qos路由选择的效率。     

一种用于函数优化的免疫算法

遗传算法是目前最为广泛使用的可以用于函数优化的寻优方法之一。针对其容易陷入局部极值点等弱点，该文基于生物免疫系统中的学习机理及与其相关的免疫学理论中的克隆选择学说，提出了一种新的用于函数优化的免疫算法。新算法包括选择、克隆扩展、超变异和免疫记忆操作，定义了体现算法学习机制的学习参数和用于保存最优解的免疫记忆集合。提出了根据算法亲合度自适应调节学习参数的方法，以提高算法的全局寻优能力。用不同类型的测试函数进行仿真实验，结果表明该算法是有效的。     

Artificial immune algorithm for IIR filter design

Over the recent years, several studies have been carried out by the researchers to describe a general, flexible and powerful design method based on modern heuristic optimisation algorithms for infinite impulse response (IIR) digital filters since these algorithms have the ability of finding global optimal solution in a nonlinear search space. One of the modern heuristic algorithms is the artificial immune algorithm which implements a learning technique inspired by human immune system. However, the immune system has not attracted the same kind of interest from researchers as other heuristic algorithms. In this work, an artificial immune algorithm is described and applied to the design of IIR filters, and its performance is compared to that of genetic and touring ant colony optimisation algorithms.