基于疫苗接种的免疫算法

用一种基于疫苗接种的免疫算法对货担郎问题求解,该算法在保留了基本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、接种疫苗、免疫选择等机制,对算法的收敛方向加以控制,从而促进算法的快速求解.实验结果证明,基于疫苗接种的免疫算法能效改善遗传算法的不成熟收敛等缺陷,提高了全局搜索效率,在货担郎问题求解中取得满意结果.     

多目标约束优化免疫算法研究及其应用

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.     

一种基于免疫原理求解TSP问题的模型

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。     

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.     

一种新的免疫算法及其在多模态函数优化中的应用

提取免疫应答的部分简化机制并结合小生境技术,提出一种用于多峰值或非连续函数优化的免疫算法.该算法由记忆细胞获取、克隆选择、亲和突变及群体更新这四种算子模块构成.这些算子的有机组合不仅为最优化问题的解决提供了实用新方法,而且反映了抗体应答抗原的简化运行机制.算法设计的重点是借鉴小生境共享实现方法的思想建立有助于增强群体多样性及保留优良抗体的记忆细胞获取算子,以及利用亲和成熟机理设计抗体突变算子.所获算法具有整体和局部搜索能力及并行搜索特点.理论证明了其收敛性.仿真事例比较表明此算法不仅是有效的,而且能快速搜索到多个最优解(针对于多解最优化问题).     

基于免疫机制的航班延误快速恢复模型及实现

航班延误是困扰航空运输业的一道世界性难题.在考虑航班延误的经济成本下,借鉴生物免疫系统的免疫应答机制,提出了一种机场大面积航班延误快速恢复模型,并用妥协免疫算法实现B细胞克隆选择来优化航班延误恢复调度过程.针对中国某枢纽机场的航班数据进行了仿真,结果表明,该模型相对于先到先服务调度方法有明显优势,大大提高了航班的整体运转效率,达到了减少航班延误经济损失和快速疏散滞留机场乘客的目的.     

Solving Nash equilibrium for N-persons' non-cooperative game based on immune particle swarm algorithm

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.     

基于改进免疫遗传算法的交通信号优化控制

阐述免疫遗传学的基本原理,对传统免疫遗传算法做了改进.模拟抗体两次应答抗原的机理,引入信息熵计算抗原间的亲和力,选择亲和力高且相似度低的抗体遗传到后代,运用细胞记忆机制保存优良抗体,并令记忆细胞参与进化,避免算法陷入局部最优值.在此基础上,提出一种更新的相位配时优化算法对交通信号控制问题进行探讨,并设计相应的仿真实验.对一个四相位单交叉路口的交通流进行建模和分析,实验结果验证该算法处理交通配时优化问题的可行性和有效性.     

改进人工免疫算法在水下机器人运动控制中的应用研究

基于生物免疫系统的生理特性,以免疫系统T细胞、B细胞与免疫应答为基础,引入了免疫算法,其结构简单,易于实现,但是由于忽略了免疫系统的记忆、自适应、细胞繁殖和自然死亡等复杂的机理行为,也不具有实时自调整的能力。结合梯度搜索方法和希尔函数,提出了一种基于Sigmoid非线性模型的自学习免疫控制算法。将该方法应用于水下机器人的运动控制系统进行仿真研究,结果表明了改进人工免疫算法的有效性。     

图书馆无线网络中用户身份认证技术研究

为了提高图书馆无线局域网中用户身份认证的质量,提出基于免疫否定选择的身份认证机制.该认证机制基于生物免疫系统T细胞识别自体和非自体的原理,把合法用户的登录请求看作自体,非法用户的登录请求看作非自体,利用否定选择过滤非法用户的登录请求.实验结果表明,该身份认证方法能够承受各种口令攻击,有效过滤非法用户的登录请求,具有广泛的应用前景和推广价值.     

基于二维混沌映射的免疫算法研究

网络环境的不断变化和计算机病毒的不断变异,使得计算机病毒越来越难以防范和检测.针对当前计算机病毒检测过程中检测器的生成效率问题,提出了一种基于生物免疫机制和混沌理论的检测器生成算法.该算法利用改进的否定选择算法来提高有效检测器的生成效率,以及检测器的覆盖率.通过实验,表明该算法的性能得到有效地改善,大大减少了不可避免的...     

Baldwinian learning in clonal selection algorithm for optimization

Artificial immune systems are a kind of new computational intelligence methods which draw inspiration from the human immune system. Most immune system inspired optimization algorithms are based on the applications of clonal selection and hypermutation, and known as clonal selection algorithms. These clonal selection algorithms simulate the immune response process based on principles of Darwinian evolution by using various forms of hypermutation as variation operators. The generation of new individuals is a form of the trial and error process. It seems very wasteful not to make use of the Baldwin effect in immune system to direct the genotypic changes. In this paper, based on the Baldwin effect, an improved clonal selection algorithm, Baldwinian Clonal Selection Algorithm, termed as BCSA, is proposed to deal with optimization problems. BCSA evolves and improves antibody population by four operators, clonal proliferation, Baldwinian learning, hypermutation, and clonal selection. It is the first time to introduce the Baldwinian learning into artificial immune systems. The Baldwinian learning operator simulates the learning mechanism in immune system by employing information from within the antibody population to alter the search space. It makes use of the exploration performed by the phenotype to facilitate the evolutionary search for good genotypes. In order to validate the effectiveness of BCSA, eight benchmark functions, six rotated functions, six composition functions and a real-world problem, optimal approximation of linear systems are solved by BCSA, successively. Experimental results indicate that BCSA performs very well in solving most of the test problems and is an effective and robust algorithm for optimization.     

一种改进的克隆选择优化算法

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。论文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克隆选择算法。算法的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。     

一种基于免疫原理的动态入侵检测模型

根据生物免疫原理，提出了一个新的动态入侵检测模型，并对模型的体系结构作了详细的描述，包括自体的演化、动态耐受和动态免疫记忆过程的数学描述，同时提出基于LRU算法的记忆检测器动态降职机制。实验表明该模型具有更好的动态性和有效性。     

基于免疫的入侵检测方法研究

生物的免疫系统和计算机安全系统所面临及需要解决的问题十分类似．采用生物免疫思想的入侵检测技术可以结合异常检测和误用检测的优点．研究了基于免疫的入侵检测方法，对Self集的确定和有效检测器的生戍方法进行了研究和改进，基于反向选择机制提出了一种新的有效检测器生成算法．可以使用较少的有效检测器检测网络中的异常行为，从而提高了有效检测器生成和入侵检测的速度．通过与基于已有的有效检测器生成算法的系统进行比较，使用本文的方法构造的入侵检测系统速度更快．且有较高的准确性．     

Realization of a self-recognition algorithm based on the biological immune system

As the use of the computer is popularized, the damage from computer viruses and hacking by malicious users is increasing rapidly. To block the hacking that is an intrusion into a person's computer, and the viruses that destroy data, a study into an intrusion detection and virus detection system based on the biological immune system is in progress. In this article, we describe a model of positive and negative selection for self-recognition, which has a similar function to the cytotoxic T cells that play an important role in the biological immune system. We propose a self/nonself discrimination algorithm for a computer system, which will the important when we detect data infected by a computer virus, of data modified by an intrusion from outside. We also show the validity and effectiveness of the proposed self-recognition algorithm by a computer simulation of some infected data obtained from cell changes and string changes in the self-file. This work was presented, in part, at the Seventh International Symposium on Artificial Life and Robotics, Oita, Japan, January 16–18, 2002     

基于人工免疫细胞模型的模糊聚类算法

传统的模糊c均值算法需要提前输入聚类个数,但输入错误的聚类数会产生错误的聚类结果。为此,提出一种基于人工免疫细胞膜型的模糊聚类算法。引入种群规模迭代与模糊聚类迭代相结合的双迭代思路,利用种群规模迭代指导聚类数的自动生成,在每次种群规模迭代中加入模糊聚类迭代,同时将克隆选择、抗体免疫抑制等操作融入计算过程。理论分析与仿真结果表明,该算法能搜寻到正确的聚类个数,具有较好的聚类效果。     

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。     

一种基于多级否定选择的入侵检测器生成算法

文中给出一种改进的基于人工免疫入侵检测系统的否定选择算法。首先是用多级否定选择算法生成不同检测尺度的成熟检测器,然后为了模仿人体免疫系统中的第二次应答机制,引入了记忆检测器的概念及相应的算法,结合亲和力成熟与体细胞突变等方法,将成熟检测器提升为识别率极高的记忆检测器。