基于邻域抗体交叉的克隆选择算法

传统克隆选择算法由于没有交叉算子而无法在抗体间进行信息交流,进化过程中随机和盲目的变异会产生数量众多近似甚至相同的抗体,由此引起多样性丧失而导致早熟收敛。为解决该问题,提出了邻域抗体交叉的克隆选择算法,通过对匹配度近似抗体的交叉产生新抗体,在保留原有优质基因的同时,又能从其他抗体引入新信息。针对旅行商问题的仿真实验也证明了新算法的稳定性和有效性。     

基于改进的动态克隆选择算法的入侵检测模型研究

针对目前入侵检测系统不能有效检测已知攻击的变种和未知攻击行为的缺陷,受免疫系统中动态克隆选择算法的启发,提出了一种基于改进的动态克隆选择算法的入侵检测模型.该模型可以适应连续改变的环境,动态地学习变化的“正常”模式以及预测新的“异常”模式.经实验证明,该模型在降低误报率的情况下,提高了检测率.     

克隆选择单变量边缘分布算法

张庆彬，吴惕华，刘波针对单变量边缘分布算法（UMDA）求解复杂优化问题的局限性，将人工免疫系统引入分布估计算法（EDAs）领域，提出了一种基于克隆选择原理的单变量边缘分布算法.该算法在进化过程中的每一代执行若干次克隆选择算法（CLONALG），利用克隆选择过程中的高频变异操作提高混合算法的局部搜索能力.通过对2种不同旅行商问题（TSP）的仿真实验表明，与UMDA、CLONALG以及UMDA和2 opt局部搜索算法的混合算法(UMDA2 opt)相比，克隆选择单变量边缘分布算法具有更高的优化性能.     

基于OpenMP的并行克隆选择算法

讨论了一种基于分布式并行模型的并行克隆选择算法,并在4核CPU的计算机上进行了验证。该并行算法中,多个子种群代替了原来单一的种群,每个子种群独立地进化,在完成一次进化后每个子种群中最好的个体将取代其他种群最坏的个体。并行算法不仅克服了能量值较早收敛的缺点,而且能有效地寻找到全局最优能量值。实验结果显示,改进后的算法性能有了显著提高。     

求解TSP问题的三角形编码抗体克隆选择算法

在探讨遗传算法求解TSP问题中编码方式和交叉、变异算子作用特点的基础上,发现模板理论已经不能很好地适应TSP问题,主要是因为非二值符号编码和交叉算子对边的过度破坏导致子代难以继承父代的优良模式．为了克服上述问题,提出一种三角形表示的路径编码方案,并给出相应的启发式路径搜索策略;引入生物免疫系统的克隆选择机理加强局部搜索,进而构造一种适合TSP问题求解的人工免疫系统算法--超变异抗体克隆选择算法(HACSA)．典型TSP问题的求解表明,和Endoh等人的免疫算法和遗传算法相比,HACSA的计算复杂度相当,60％以上的求解结果达到或者超过问题已知的最优值,而相应的免疫算法和遗传算法几乎均陷入局部极值,无法获得满意的求解结果．     

一种新的免疫克隆选择算法在多峰寻优中的应用

为了解决Castro克隆选择算法中存在的种群规模需根据经验确定、多峰搜索能力弱、训练时间长的问题,提出了一种新的免疫克隆选择算法,该算法基于一个压缩阈值和新的收敛标准,能够动态确定种群大小,具有很强的全局和局部搜索能力,可以搜索到全局最优点和尽可能多的局部极值点.与Castro克隆选择算法相比,多峰搜索的成功率提高了1.2倍、平均迭代次数减少了一半.仿真实验的结果也表明该算法在平均运行时间减少了56%的情况下多峰函数的优化效果得到了显著改善.     

基于克隆选择的免疫算法研究

基于生物免疫系统自动优化和克隆抗体抵抗外来病毒入侵的原理,提出了一种克隆选择的人工免疫算法。通过测试函数进行仿真实验和旅行商问题寻优计算,验证了该免疫算法的有效性,实验结果表明,该算法具有良好的性能且在优化方面有较高的实用价值。     

改进免疫克隆选择算法在VRP中的应用

针对在求解车辆路径问题(VRP)中免疫克隆选择算法收敛速度慢,遗传算法易陷入局部最优解的缺点,对抗体亲和力求解方法做了改进.提出了基于亲和力排序的抗体相似性矩阵的概念,并将其应用于抗体抑制策略,进而设计出改进免疫克隆选择算法.仿真结果表明该算法比遗传算法求的解的质量更高,收敛速度比免疫克隆选择算法快.     

基于克隆选择算法的非线性优化迭代学习控制

为实现对模型不确定的有约束非线性系统在特定时间域上输出轨迹的有效跟踪,将改进的克隆选择算法用于求解迭代学习控制中的优化问题。提出基于克隆选择算法的非线性优化迭代学习控制。在每次迭代运算后,一个克隆选择算法用于求解下次迭代运算中的最优输入,另一个克隆选择算法用于修正系统参考模型。仿真结果表明,该方法比GA-ILC具有更快的收敛速度,能够有效处理输入上的约束以及模型不确定问题,通过少数几次迭代学习就能取得满意的跟踪效果。     

基于克隆选择算法的Hopfield网络容量提升方法

Hopfield网络容量大小对网络模式识别正确率有重要影响。为进一步提升Hopfield的网络容量,提出了一种基于克隆选择算法优化Hopfield网络容量的方法。首先将克隆选择算法引入到Hopfield网络中,以Hopfield网络的初始输入作为克隆选择算法中的抗原;然后随机产生权值矩阵作为克隆选择算法的初始抗体;最后依据克隆选择算法对初始抗体进行克隆、交叉、变异,根据亲和力的大小选择出网络的优化权值,以提升Hopfield网络容量。将上述方法应用于含噪声的样本识别,实验结果表明:与传统的Hopfield网络相比,所提出的方法能有效地提升Hopfield网络的容量。为提高Hopfield神经网络的记忆容量提供了一种新的思路。     

应用改进的V-detector算法检测蠕虫

通过分析主机感染蠕虫后网络流量特性的变化，基于免疫系统的阴性选择机制，提出了一种蠕虫检测方法。首先改进了可变半径实值阴性选择算法V-detector，改进策略是在检测器生成过程中根据非自体空间的分布产生具有尽可能大覆盖范围的检测器。改进算法与原算法相比，所生成的检测器集合中检测器的数量大幅度下降，检测效率提高。应用改进的V-detector算法生成检测器集合监控主机的网络流量特性，以检测蠕虫攻击。实验结果表明，该方法能有效检测传统蠕虫及多维传播的多态蠕虫。     

关于克隆选择算法优化检测器的研究

否定选择算法能降低入侵检测系统的误报率,但必须和其他免疫算法结合起来使用.本文提出了一种含有否定选择算子和遗传算子的克隆选择算法,通过克隆选择算法产生多样子代检测器,并且从中选择比其父代更优的检测器去取代父代检测器,这样一代一代循环,使检测系统具有更好的覆盖空间.实验表明,该算法在提高检测率,降低误报率方面是有效的.     

基于克隆选择算法的FIR滤波器的设计

将改进的克隆选择算法用于FIR数字滤波器的设计中,以确定频率过渡带样本的最佳值。设计的FIR数字滤波器的仿真实验结果表明,与传统的查表方法相比,该免疫算法性能更优,滤波器通带波动更小,阻带衰减更大,能够很好地解决FIR滤波器优化问题。     

基于CSA无监督模糊聚类算法的异常检测方法

为解决模糊k 均值算法对初始化敏感及易陷入局部极值的不足,提出了基于克隆选择算法(CSA)的无监督模糊聚类异常入侵检测方法. 应用结合了具有进化搜索、全局搜索、随 机搜索和局部搜索特点的克隆算子快速得到了全局最优聚类,并应用模糊检测算法检测网络中的异常行为模式. 该方法的优点是不需要人工对训练集分类,并且可以检测出未知的攻击. 仿真试验表明,该方法不但能检测出未知的攻击,而且具有较低的误报率和较高的检测率.     

一个基于免疫算法的入侵检测语言模型

设计出一种人工免疫系统的模拟环境，该环境包括免疫系统中的入侵、选择、交叉、复制、变异的特征，体现了免疫系统的可扩展性和复杂性，并在此模拟环境基础上，依据免疫算法的基本原理，提出了一种面向系统的入侵检测语言模型，系仿生语言模型的一个探索．     

基于危险理论的自适应免疫算法

针对克隆选择算法自适应能力和多值搜索能力较弱的不足,提出了一种基于危险理论的自适应免疫算法.算法中引人种群环境和抗体危险信号引导自适应免疫应答过程,增强了种群多样性,避免了算法过早收敛.利用Markov链证明了算法的收敛性,分析了算法的复杂度.针对经典benchmark函数的仿真实验结果表明,相比克隆选择算法,本算法具有良好的全局收敛能力和多值搜索能力,且具备较快的收敛速度和求解精度.     

云计算下手机人工免疫恶意代码检测模型

提出一种适用于云计算环境的基于人工免疫的手机恶意代码检测模型。提出扩展阴性选择算法,提取恶意代码的特征编码生成抗原,增加针对高亲和度检测器的克隆和变异算子,提高成熟检测器的生成效率,在特征检测和检测器生成阶段引入MapReduce并行处理机制,提高计算效率。仿真结果表明,检测模型对未知手机恶意代码具有较高的检测率和计算效率。