基于克隆扩增策略的免疫算法*

借鉴动态克隆选择算法的运行机制并结合克隆选择机理,提出一种基于克隆扩增策略的免疫算法。该算法提出调整未成熟检测器的补入条件,对成熟检测器群体实施克隆扩增策略,并消除冗余的成熟检测器。算法设计了对成熟检测器群体进行有效性评估的方法,由检测器的有效性确定克隆规模。理论证明了该算法的收敛性。实验表明,与传统的动态克隆选择算法相比,该算法提高了检测率,有效抑制了误报率,改善了算法的适应性。     

基于模糊集的免疫克隆选择算法

分析了将人工免疫原理应用到入侵检测系统中存在的不足。为了克服传统的基于精确数学模型免疫算法的局限性,提出了一种基于模糊集理论的免疫克隆选择算法,引入了模糊集合和隶属度的概念,采用了一种动态的智能优化策略,有效地改善了检测元的特性,提高了检测元在复杂网络环境下的适应能力,从而增强了网络的安全性。分析了该算法能在一定程度上弥补反向选择算法的不足。     

基于模糊集的免疫克隆选择算法

分析了将人工免疫原理应用到入侵检测系统中存在的不足。为了克服传统的基于精确数学模型免疫算法的局限性，提出了一种基于模糊集理论的免疫克隆选择算法，引入了模糊集合和隶属度的概念，采用了一种动态的智能优化策略，有效地改善了检测元的特性，提高了检测元在复杂网络环境下的适应能力，从而增强了网络的安全性。分析了该算法能在一定程度上弥补反向选择算法的不足。     

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。     

一种免疫记忆动态克隆策略算法

基于对克隆选择及免疫记忆动态过程的模拟,本文提出了一种人工智能算法,免疫记忆动态克隆策略算法,该算法模拟免疫系统的自我调节、记忆学习、自适应等机制,实现全局优化计算与局部优化计算机制的有机的结合,通过抗体与抗原的亲合度和抗体间亲合度的计算,促进和抑制抗体的产生,自适应地调节抗体群和记忆单元的克隆规模.理论分析证明该算法以概率1收敛,对多峰函数优化及货郎担问题的仿真试验表明,算法有效,而且具有全局搜索能力强,种群多样性好及收敛速度快等特点.     

基于免疫克隆算法的逆变器非线性补偿

逆变器的非线性因素如管压降、死区效应、开关管时间等,会对电机驱动系统的性能造成影响。基于此,提出一种基于免疫克隆算法的逆变器非线性补偿方案。和传统补偿方法相比,该方案能智能辨识出非线性因素所对应的等效电压量和电机绕组电阻,不需要查询DSP给定死区时间、逆变器的开关管时间和管压降电压。该方案被使用在一个永磁同步电机驱动平台上,其辨识结果和逆变器数据手册里的性能参数的对比证明该方案具有较高的精确度。     

基于免疫克隆算法的课表编排方案

将高校课表编排问题转化为带约束的多目标优化问题,基于混合编码,应用免疫克隆算法对随机课表编排方案进行优化。通过基于相似性矢量矩的选择方法抑制抗体浓度,保证种群多样性,避免免疫克隆算法陷入早熟收敛。仿真结果表明,该方案在课程合理性、总体满意度和运行时间方面均能取得较好的效果。     

基于免疫的专家系统动态克隆更新算法

文章基于人工免疫系统培育识别器的原理,在现有的专家系统的基础上,提出了专家系统推理机动态克隆更新的算法,初步解决了已有专家系统知识库动态更新复杂的问题。     

免疫多克隆策略

基于细胞克隆选择学说,系统阐述了用于人工智能的多克隆算子。将多克隆算子用于进化算法,提出了改进的进化策略算法——免疫多克隆策略算法,并基于Markov链的有关性质,证明了该算法的收敛性。理论分析和仿真实验表明,与传统的进化策略算法相比,该算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度快。     

基于克隆选择的免疫粒子群优化算法

粒子群优化算法在进化中随种群多样性降低易出现早熟收敛等问题.针对这一问题,在粒子群算法中引入免疫克隆选择算法的思想,提出了基于克隆选择的免疫粒子群优化算法(Immune Particle Swarm Optimization,ImmunePSO),即在算法进化过程中,引入克隆复制算子、克隆高频变异算子、克隆选择算子.成比例克隆复制可以使优良个体得到保护,加快算法收敛;高频变异为新个体的产生提供了新的途径,可以增加种群的多样性;克隆选择算子从所有子代、父代中选择出最优个体,避免算法退化.最后通过对基本测试函数的仿真试验,验证了算法不仅可以增加种群的多样性,加快算法的收敛速度,而且提高了最优解的精度,有效地避免算法陷入到局部极值.     

基于免疫克隆选择算法的神经网络规则抽取

神经网络的不可解释性一直是限制其发展的固有缺陷,该文从神经网络的功能性观点出发,提出基于免疫克隆选择算法的神经网络规则抽取方法。将免疫克隆策略用于神经网络的规则抽取中,对已经训练好的神经网络隐层神经元输出值进行聚类,缩小搜索空间,抽取出理解性好、简洁的符号规则。该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种分类器型神经网络。实验结果表明该方法的实用性和可行性。     

基于克隆选择原理的免疫识别算法研究

传统基于人工免疫的识别算法对于正常行为和非正常行为的定义仅限一次,无法根据实际网络环境中的变化做出调整。克隆选择算法是基于群体的免疫算法,是一种模拟免疫系统的学习过程的进化算法,也是抗体集进行群体更新的策略。     

基于量子免疫克隆算法的神经网络优化方法

为降低神经网络的冗余连接及不必要的计算代价,将量子免疫克隆算法应用于神经网络的优化过程,通过产生具有稀疏度的权值来优化神经网络结构。算法能够有效删除神经网络中的冗余连接和隐层节点,并同时提高神经网络的学习效率、函数逼近精度和泛化能力。该算法已应用于秦始皇帝陵博物院野外文物安防系统。经实际检验,算法提高了目标分类概率,降低了误报率。     

基于免疫克隆算法的倒立摆控制参数优化

基于免疫克隆选择原理,针对单级倒立摆PID控制数学模型,设计了一种新的PID参数优化算法——免疫克隆算法。选用简单遗传算法、克隆选择算法与其进行比较研究,通过MATLAB仿真实验,观察该算法搜索结果稳定性好,算法收敛性强。通过Simulink仿真实验,进一步研究3种算法最优目标函数下的PID控制参数的实际控制效果,采用免疫克隆算法优化的控制参数,系统控制响应可以获得良好的实时性、稳定性、控制精度,效果优于其它2种算法。     

基于免疫克隆的WSN能量空洞避免算法

基于同心环模型分析无线传感器网络中的能量空洞,描述动态最长-最短圆环寿命问题,建立该问题的数学模型,提出一种基于免疫克隆的能量空洞避免算法,通过寻找随着圆环宽度不断变化的最优传输距离序列来延长网络寿命。仿真结果表明,该算法能均衡网络能量消耗,有效提高网络寿命。     

基于量子免疫克隆算法的神经网络优化方法

为降低神经网络的冗余连接及不必要的计算代价,将量子免疫克隆算法应用于神经网络的优化过程,通过产生具有稀疏度的权值来优化神经网络结构。算法能够有效删除神经网络中的冗余连接和隐层节点,并同时提高神经网络的学习效率、函数逼近精度和泛化能力。该算法已应用于秦始皇帝陵博物院野外文物安防系统。经实际检验,算法提高了目标分类概率,降低了误报率。     

基于免疫克隆选择算法的垃圾网页检测

垃圾网页是指一些网页通过不正当的手段来误导搜索引擎,使网页获得高于其应有的排名,从而获得更多的访问量。它不仅降低了网页的质量,同时也导致了严重的Web信息安全问题。传统的垃圾网页检测通常使用经典的机器学习方法包括贝叶斯算法、SVM、C4.5等,这些算法对垃圾网页的检测有一定的效果。在前人的研究基础上提出一种基于免疫克隆选择的垃圾网页检测方法。利用人工免疫系统的自学习及自适应能力来检测利用新作弊技术的垃圾网页,并与广泛用于垃圾网页检测的贝叶斯算法对比。实验表明该方法能有效、可靠地检测出垃圾网页。     

基于免疫克隆模拟退火算法的网络生存性研究

针对通信网络产生的拥塞问题,基于免疫克隆模拟退火算法提出了一种新的网络生存性评价方法 (survivabilityalgorithm based on immune clonal simulated annealing,SAICSA)。该方法通过建立克隆变异和克隆交叉操作规则,并结合模拟退火接受准则来获得退火温度趋于零时的最优解。同时,以实际数据进行仿真实验,深入研究了网络生存性与失效边数、初始温度等影响因素之间的关系。实验结果表明,相比于免疫规划模拟退火算法和遗传模拟退火算法,SAICSA算法表现出较好的适应性。     

基于免疫克隆算法的非均匀星座优化

针对在使用均匀调制星座时比特交织编码调制容量与香农容量差距较大的问题,提出使用免疫克隆算法进行非均匀星座优化。该算法分为两层迭代:外层迭代通过仿真误比特率性能得到当前星座的工作点(信噪比);内层迭代在外层迭代得到的工作点下通过克隆、变异、替换等操作得到新的星座。仿真结果表明,与均匀星座以及美国高级电视系统委员会发布的第三版地面数字电视标准中所采用的非均匀星座相比,该算法优化的星座可有效提升系统容量及误比特率性能。因此,提出的算法适合用于非均匀星座优化。     

基于免疫克隆文化算法的关联规则挖掘

关联规则挖掘是数据挖掘中的一个重要任务,传统关联规则挖掘方法计算复杂度高、效率较低,而智能算法在搜索过程中具有保持种群多样性、鲁棒性等优点。本文提出基于免疫克隆文化算法的关联规则挖掘模型,该模型将免疫克隆算法嵌入到文化算法的框架中,利用免疫克隆算法的全局收敛性在数据库中迅速搜索频繁项目集,进而提取用户感兴趣的关联规则;利用文化算法信念空间的知识结构指导种群的进化,增强了搜索的目的性和方向性。实验表明,该模型具有较快的运行速度,提高了所得关联规则的准确率。