改进的距离浓度免疫算法

针对现有免疫算法在抗体的评价形式和记忆库使用灵活性上存在的不足,提出了一种改进的距离浓度免疫算法.该算法采用实数编码,并引入了B细胞的概念,将B细胞对应于问题的解,抗体对应于解的适应度函数,采用距离浓度策略控制抗体的数量,同时在算法过程中动态使用记忆库.仿真实验结果表明,该算法编码形式灵活,计算过程简捷,能有效保证抗体在解空间的多样性,提高了寻优的收敛速度和从局部最小中逃逸的能力.     

一种新的免疫算法

由于免疫系统在特征抽取、模式识别、学习、记忆等方面强大的信息处理功能以及其自身的分布式特性,所以免疫算法出现,并逐渐应用于许多工程实际。然而,现有的免疫算法模型存在不少缺陷,缺乏有效的收敛特性。问题主要出在抗体的评价、促进和抑制以及记忆库的使用上。该文提出了基于动态评价的免疫算法,在算法中引入临时解集,对抗体进行多次、动态的评价、促进和抑制,这大大提高了算法的收敛速度,并有效防止算法陷入局部最优。另外,记忆库自始至终一直被利用,有利于算法快速收敛。最后,用马尔可夫链描述了该算法,并证明了算法的收敛性。     

免疫算法抗体浓度调节定义的改进

基于信息熵的免疫算法存在计算复杂，设置的参数需要凭经验调节和含有冗余的计算信息而导致算法收敛速度慢的缺点。通过对免疫抗体定义的改进，本文提出了一种基于矢量距的改进免疫算法并证明了它的全局收敛性。多峰函数优化问题的测试结果揭示基于矢量距的免疫算法在全局收敛性方面要优于遗传算法；在收敛速度方面要快于基于信息熵的免疫算法。     

一种简单蚂蚁算法及其收敛性分析

该文首先介绍了一种可用于函数优化的简单蚂蚁算法，该算法具备了传统蚂蚁算法的基本特征，并给出了变异和最优保存两点改进．然后在给定近似精度的基础上通过Markov过程分析，得出了该算法的全局收敛性．同时，通过对衰减度、变异率等参数的定性讨论，得出了参数的取值对算法性能的影响，并从理论上说明，传统蚁群算法通常的选择概率公式是有缺陷的，而具有变异机制的蚂蚁算法要好于传统蚂蚁算法．该文的实例则说明了文中所给算法的有效性和相关理论论述的正确性．     

一种协调勘探和开采的遗传算法：收敛性及性能分析

提出了一种新的遗传算法结构。在该结构中,每一代的新种群由保留种 群、繁殖种群的随机种群三部分组成,而它们的相对数量则由不同的参数进行控制,这体现了该算法在运行过程中对搜索空间勘探和开采操作的协调和权衡。通过把该算法建模为齐次的有限Markov链,该文证明了该算法具有全局收敛性。对试验数据的分析表明,该算法能够有效协调算法对问题解空间的勘探和开采操作,因而在处理复杂问题时表现出较高的性能。     

一种基于距离行为模型的改进微粒群算法

提出一种基于距离行为模型的改进微粒群算法,根据微粒所处区域来调整其飞行的速度。在吸引区域微粒加速飞向群体最优位置,在排斥区域按正常速度飞行。为了研究算法的性能,对几种典型高维非线性函数进行了测试。研究结果表明,与基本微粒群算法相比,改进后的微粒群算法提高了算法的收敛速度和收敛精度,改善了算法的性能。     

基于链码技术的距离变换改进算法

论述了分水岭算法的原理及距离变换的具体过程。为了提高距离转换算法速度,提出了利用链码技术改进距离变换的算法。该方法利用链码技术能够准确跟踪目标物体边界的特点,按不同层次轮廓点灰度级递增的方式逐层对目标物体进行遍历,完成图像的距离转换,克服了形态学距离变换算法多次腐蚀、扫描图像,时间消耗较大的缺点。经过在木材细胞图像的分割过程中,同现有的距离变换算法比较证明,改进方法提高了距离变换速度,对提高图像分割的效率具有重要意义。     

一种距离误差可控的DPTS-SP-Prac改进算法

移动对象的GPS轨迹常被应用于各种基于位置服务的应用当中,由于原始的轨迹包含的数据量较大,在使用这些数据前通常要进行轨迹压缩操作。相比于传统的基于位置保持的轨迹压缩算法,基于方向保持的DPTS-SP-Prac算法由于考虑到了轨迹的方向信息,因此该算法有着更广泛的应用范围。为了进一步提高DPTSSP-Prac算法的可用性,提出一种距离误差可控的DPTS-SP-Prac改进算法。该算法不仅能够捕捉轨迹的方向信息,还具有距离误差可控的优势,能够实现更加精确的轨迹压缩。真实轨迹数据集下的实验结果表明,改进的算法有效地降低了轨迹压缩的距离误差,提高了算法的可用性。     

基于IS距离的交替迭代算法

本文研究的是这样一类问题,找到一个解,使其在满足给定的约束条件下,使某一个目标函数极小.在本文中这个目标函数就是与先验解之间的IS距离.这类问题可以归结为非线性优化问题,为降低求解的难度,本文将问题分解为多个子问题,然后采用一种迭代策略,通过交替地求解这些子问题,达到求解原问题的目的.CT图像重建的一个应用例子表明,这种思路是可行的,构造的算法是有效的.     

人工蜂群算法的收敛性分析

利用随机过程理论,对人工蜂群算法收敛性进行理论分析,给出人工蜂群算法的一些数学定义和蜜源位置的一步转移概率,建立人工蜂群算法的Markov链模型,分析此Markov链的一些性质,论证了人工蜂群状态序列是有限齐次Markov链,且状态空间是不可约的。结合随机搜索算法的全局收敛准则,证明了人工蜂群算法能够满足随机搜索算法全局收敛的两个假设,保证算法的全局收敛。     

一种改进的人工免疫算法

简要介绍了遗传算法、人工免疫算法的工作原理。为了克服传统人工免疫算法存在的不足,该文提出一种改进的人工免疫算法,并利用Rosenbrock函数对3种算法进行了试验比较。实验结果表明,该文提出的改进的人工免疫算法较遗传算法、传统的人工免疫算法更为有效。     

A Self-Organizing RBF Neural Network Based on Distance Concentration Immune Algorithm

Radial basis function neural network (RBFNN) is an effective algorithm in nonlinear system identification. How to properly adjust the structure and parameters of RBFNN is quite challenging. To solve this problem, a distance concentration immune algorithm (DCIA) is proposed to self-organize the structure and parameters of the RBFNN in this paper. First, the distance concentration algorithm, which increases the diversity of antibodies, is used to find the global optimal solution. Secondly, the information processing strength (IPS) algorithm is used to avoid the instability that is caused by the hidden layer with neurons split or deleted randomly. However, to improve the forecasting accuracy and reduce the computation time, a sample with the most frequent occurrence of maximum error is proposed to regulate the parameters of the new neuron. In addition, the convergence proof of a self-organizing RBF neural network based on distance concentration immune algorithm (DCIA-SORBFNN) is applied to guarantee the feasibility of algorithm. Finally, several nonlinear functions are used to validate the effectiveness of the algorithm. Experimental results show that the proposed DCIA-SORBFNN has achieved better nonlinear approximation ability than that of the art relevant competitors.      

基于流形距离的人工免疫半监督聚类算法

将流形距离作为样本间相似性的基本度量测度,加入成对约束信息,通过近部传播得出新的度量矩阵。把聚 类问题转化为一优化数学模型。采用克隆选择算法求解这个优化模型,得出最后的聚类结果,通过人工数据集和UCI 标准数据集验证了这种方法具有较高的准确性。     

基于人工免疫系统的克隆-K均值算法

提出了一种用于聚类分析的克隆-K均值算法.基于人工免疫系统的克隆选择算法具有全局搜索能力强,收敛于全局最优解的特点.基于以上优点,在克隆选择算法中引入K-均值算子,对种群中的个体在克隆、变异操作后进行K-均值运算.通过对初始种群的形成、克隆操作、变异操作、替代操作和K-均值操作等过程的描述,提出了完整的克隆-K均值算法.实验研究表明,算法成功解决了K-均值算法对初始值敏感且容易陷入局部最优的缺点,算法明显优于传统的K-均值聚类算法.     

一种基于人工免疫网络的文本聚类算法

本文构造了一种能准确描述文本之间相似性（亲和力）的新方法,并在此基础上提出了一种基于人工免疫网络的文本聚类算法。仿真结果表明,与传统的文本聚类算法相比,新算法不仅能自动发现新类,而且具有聚类精度更高、数据压缩比更大、与输入初始配置无关、可增量处理的优势。     

基于人工免疫算法的多目标函数优化

提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Paret。最优面,并且把算法与某些混合遗传算法进行了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。     

改进人工免疫算法的分析研究

详细分析了人工免疫算法(AIA)基于信息熵计算抗体浓度存在的缺点,提出了三种新的浓度计算方法。分析了基于新的浓度计算方法的各种改进的人工免疫算法的收敛性。对两种变形大海捞针类函数的优化结果表明,改进的人工免疫算法较传统的人工免疫算法有较大的优越性。     

基于人工免疫算法的多属性谈判模型

在基于多Agent的多属性谈判过程中,谈判Agent间常因追求自身最大利益导致谈判陷入僵局。为此,将谈判目标视为抗原,将候选提议视为抗体,建立基于人工免疫算法的多属性谈判模型。该模型通过抗原与抗体的免疫过程,取得谈判双方整体利益的最大化。仿真实验表明,该模型可有效解决谈判僵局问题,提高谈判的适应性及效率。     

基于人工免疫方法的关联规则提取

提出一种基于人工免疫方法的关联规则提取算法,将人工免疫方法应用于关联规则的提取。本算法采取“随机并行搜索”策略,快速识别出候选关联规则,整个挖掘过程最后只需扫描数据库一遍,也不需生成大量的频繁项目集,从而提高关联规则挖掘的总体性能。     

基于aiNET人工免疫网络的推荐算法

为解决现有推荐技术中存在的稀疏性、准确性等问题,提出了基于aiNET人工免疫网络的推荐算法,以利用人工免疫网络自身的利用免疫动态调节机制来降低数据稀疏性,提高推荐准确性。