一种基于免疫原理的遗传算法

本文提出了一种免疫遗传算法（Ｉｍｍｕｎｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ，简称ＩＧＡ）。免疫遗传算法是根据生物的免疫原理提出的一种改进遗传算法法，该算法主要体现了生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进，并结合货郎担（ＴＳＰ）优化问题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。  

基于免疫算法的TSP问题求解

描述了免疫算法的一种框架结构，并给出了用此免疫算法求解ＴＳＰ问题的具体实现方法，求解结果体现了免疫算法的良好性能。  

基于生态种群竞争模型的协同进化

遗传算法基于适应度的进化模式没有考虑进化的外部环境和进化成分之间的关系,这是协同进化研究的内容.借鉴生态学对个体生存环境和种群竞争的认识,构造了一种基于生态种群竞争模型的新的协同进化模式.模拟实验表明,采用该模式的改进遗传算法在改善未成熟收敛和收敛速度两方面具有良好的性能.  

一种基于免疫调节和共生进化的神经网络优化设计方法

利用共生进化原理设计人工神经网络，创造性地融入了免疫调节原理中的浓度抑制调节机制以保持个体的多样性，提出了基于免疫调节的共生进化网络设计方法，通过对神经元群体而不是神经网络群体进行进化设计，显著地减轻了计算量，同时利用生物免疫原理中的浓度机制和个体多样性保持策略进行免疫调节，有效地克服了未成熟收敛现象，提高了群体的多样性，从而加快优化设计速度，实验表明表明该方法可高效、准确地设计鲁棒性很强的神经  

基于免疫遗传算法的装箱问题求解

装箱是一类典型的ＮＰ完全问题．本文用一种免疫遗传算法来研究装箱问题的求解．免疫遗传算法在传统遗传算法的全局随机搜索基础上，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，实验表明，免疫遗传算法具有很好的全局收敛性，能有效解决装箱问题．  

基于本体的跨语言信息检索模型

随着网络信息的日益丰富和用户需求的提高,人们已经不能满足于仅仅在同一语种中进行检索,跨语言的信息检索(CLIR)因而受到人们越来越多的关注.为此,本文提出了一种新的基于语义的跨语言信息检索模型Onto-CLIR,该模型在传统信息检索技术的基础上,利用本体来刻画不同语言中对应的领域知识,以解决从查询语言到检索语言之间转换过程中出现的语义损失和曲解等问题,从而保证在检索过程中能够有效地遵循用户的查询意图,获得预期的检索信息.本文以体育新闻检索为背景,以英文查询作为查询请求,检索来自新浪网的体育类新闻,结果表明采用基于本体的跨语言信息检索方法之后检索的查全率和查准率平均提高10个百分点左右,有效地改善了检索性能.  

关联规则的相关性研究

首先对关联规则的不足进行分析，然后引入相关计算来弥补支持－信任框架理论中的不足，并给出基于相关计算方法的算法设计思想以提高挖掘出的知识的有效性。  

从熵均值决策到样本分布决策

为了研究归纳学习的判决精度问题,分析了C4.5算法的不足以及标准算法与亚算法之间争论和妥协的根本原因,从估计训练样本的概率分布的角度出发,给出了一种简单而新颖的决策树算法.基于UCI数据的实验结果表明,与C4.5算法相比,该方法不仅具有比较好的判决精度,而且具有更快的计算速度.  

一种检测器长度可变的非选择算法

检测器生成是非选择算法的关键步骤.已有检测器生成算法在生成检测器时存在"漏洞"区域和冗余检测器问题.提出了一种检测器长度可变的检测器生成算法,不仅可以消除"漏洞"区域,还可以通过相应的检测器优化算法减少冗余检测器,进而提高检测器生成效率和检测效率.对算法进行了分析和实验证明,结果表明,该算法比传统的非选择算法及r可变的非选择算法具有更好的性能.  

遗传算法及其应用

跹传算法是模拟自然界生物进行过程的计算模型，作为一种有效的全局并地优化搜索工具，它具有简单，通用、鲁棒性强和适于并行分布算处理的特点以及广泛的应用潜力，本文主要阐述了遗传算法的基本原理、方法和特点、并着重从应用的角度对它的主要研究内容（包括并行实现）进行了较深入的讨论。