基于距离浓度免疫算法的机械优化设计

机械优化设计是复杂的非线性优化问题.受生物免疫原理的启发,提出了一种基于距离浓度的免疫算法,并将该算法用于机械优化设计中.通过对一个轴的优化设计实例表明,该方法比采用遗传算法和传统的免疫算法设计方法有更好的性能.     

用于函数优化的改进免疫克隆多样性算法

免疫系统具有许多可以用于解决工程和科学问题的特性,人工免疫系统是基于免疫系统特性而发展的新兴智能系统.针对免疫算法的多样性,利用免疫系统克隆选择和克隆抑制机制,提出一种用于函数优化的改进免疫克隆多样性算法,以达到简化复杂系统函数算法的目的.多样性算法是一种基于免疫系统抗体多样性机制而开发的免疫算法,这里给出了改进的算法步骤,指出改进算法与原算法的主要区别以及所依据的免疫系统原理;文章还对算法的复杂性进行了分析,证明了改进免疫系统克隆多样性算法可以利用相对小的候选解群体解决复杂函数优化问题.     

Immune response-based algorithm for optimization of dynamic environments

A novel immune algorithm suitable for dynamic environments (AIDE) was proposed based on a biological immune response principle. The dynamic process of artificial immune response with operators such as immune cloning, multi-scale variation and gradient-based diversity was modeled. Because the immune cloning operator was derived from a stimulation and suppression effect between antibodies and antigens, a sigmoid model that can clearly describe clonal proliferation was proposed. In addition, with the introduction of multiple populations and multi-scale variation, the algorithm can well maintain the population diversity during the dynamic searching process. Unlike traditional artificial immune algorithms, which require randomly generated cells added to the current population to explore its fitness landscape, AIDE uses a gradient-based diversity operator to speed up the optimization in the dynamic environments. Several reported algorithms were compared with AIDE by using Moving Peaks Benchmarks. Preliminary experiments show that AIDE can maintain high population diversity during the search process, simultaneously can speed up the optimization. Thus, AIDE is useful for the optimization of dynamic environments.     

A novel immune genetic algorithm based on quasi secondary response

Combining the advantages of a genetic algorithm and an artificial immune system,a novel genetic algorithm named immune genetic algorithm based on quasi secondary response(IGA-QSR)is proposed.IGA-QSR employs a database to simulate the standard secondary response and the quasi secondary response.Elitist strategy,automatic extinction,clonal propagation,diversity guarantee,and selection based on comprehensive fitness are also used in the process of IGA-QSR.Theoretical analysis,numerical examples of three benchmark mathematical optimization problems and a traveling salesman problem all demonstrate that IGA-QSR is more effective not only on convergence speed but also on convergence probability than a simple genetic algorithm with the elitist strategy(SGA-ES).Besides,IGA-QSR allows the designers to stop and restart the optimization process freely without losing the best results that have already been obtained.These properties make IGA-QSR be a feasible,effective and robust search algorithm for complex engineering problems.     

一种与遗传算法类似的人工免疫算法

借鉴生物免疫系统的分布性、自适应性等特点，提出了一种类似遗传算法的人工免疫算法，并用一个实例对这种人工免疫算法的各个步骤进行了详细描述。通过仿真与遗传算法对比分析，该方法具有以下优点：一是能有效地克服随机漫游现象；二是采用浓度调节机制控制抗体克隆概率，能维持抗体多样性；三是能对类似抗原入侵产生迅速高效的二次免疫应答。     

A new artificial immune algorithm and its application for optimization problems

A new artificial immune algorithm （AIA） simulating the biological immune network system with selfadjustment function is proposed in this paper. AIA is based on the modified immune network model in which two methods of affinity measure evaluated are used, controlling the antibody diversity and the speed of convergence separately. The model proposed focuses on a systemic view of the immune system and takes into account cell-cell interactions denoted by antibody affinity. The antibody concentration defined in the immune network model is responsible directly for its activity in the immune system. The model introduces not only a term describing the network dynamics, but also proposes an independent term to simulate the dynamics of the antigen population. The antibodies＇ evolutionary processes are controlled in the algorithms by utilizing the basic properties of the immune network. Computational amount and effect is a pair of contradictions. In terms of this problem, the AIA regulating the parameters easily attains a compromise between them. At the same time, AIA can prevent premature convergence at the cost of a heavy computational amount （the iterative times）. Simulation illustrates that AIA is adapted to solve optimization problems, emphasizing muhimodal optimization.     

基于混沌理论的否定选择算法

为了提高人工免疫系统中抗体生成速度,基于免疫系统的混沌特征,提出了混沌否定选择算法。该算法首先利用混沌的遍历性产生候选检测器集合,然后利用混沌扰动直接产生较优的个体,缩小搜索空间,并利用混沌初值敏感的特性,克服冗余个体。实验表明,该算法不但更好地保持了种群多样性,而且有效地提高了检测器集的生成速度。     

基于改进免疫算法的有能力约束车辆路径问题

针对遗传算法、免疫遗传算法在解决车辆路径问题(VRP)中存在的问题与不足,提出了一种改进免疫遗传算法。该算法主要在检查个体的多样性程度方面进行了简化,运用多样性指数阈值控制种群个体的多样性。通过有能力约束VRP的实验验证了新算法,得到了满意的效果。     

基于人工免疫的聚合重构资源自治分配

针对异构网络融合中的终端聚合重构模式,讨论了在付费激励机制下如何通过聚合资源提供者的动态定价来激励终端间的高效合作,引导系统资源分配的全局自治优化. 提出信息不完全情况下以人工免疫系统自适应控制模型为基础的自主定价方法（AISMAP）. 仿真结果表明,该方法能提高系统整体的资源收益,并能引导带宽资源分配自治实现全局均衡.     

基于动态克隆选择算法的病毒检测模型

为了更加有效地检测病毒变种和未知病毒,受生物免疫系统的启发,提出了一种基于人工免疫系统(AIS)的计算机病毒检测模型.通过引入动态克隆选择算法并对其改进,解决了训练过程中自我空间静态固定的问题,提高了病毒检测系统对于不断变化病毒环境的动态适应能力.实验结果表明,该模型拥有较强的自适应能力,可有效地检测病毒程序,并且具有较低的误报率.     

一种解决函数优化问题的免疫算法

介绍了免疫算法的基本概念，以及人工免疫系统中的克隆选择原理，基于该原理，结合遗传策略中的高斯变异算子，提出一种免疫算法来解决函数优化问题。给出了算法的描述，数值实验中选择了几个函数进行优化，并将实验数据结果与传统的遗传算法进行了比较。数据实验结果表明，该免疫算法能够寻找到更优的优化结果，并且在收敛速度上明显优于传统的遗传算法。     

一种改进的免疫克隆选择算法

针对传统免疫克隆选择算法收敛速度较慢的问题,结合克隆概率和免疫概率的自适应变换、群体灾变算法以及有无记忆库思想,提出了无记忆库的自适应免疫克隆选择算法与有记忆库的自适应免疫克隆选择算法,并将其应用于TSP问题.群体灾变算法的应用便于使算法尽快摆脱迟钝状态,并使算法能够保持抗体多样性.自适应方法的应用使得算法在进化初期有较强的全局搜索能力和较弱的局部搜索能力,随着进化的进行,全局搜索能力逐渐减弱,局部搜索能力逐渐增强,便于找到全局最优点.仿真实验结果表明,与传统的免疫克隆算法相比,该算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度较快.     

WSN路由节点优化分布设计的免疫克隆算法

对于无线传感器网络(WSN)路由节点的优化分布设计,人工免疫进化算法存在几何选择区域局限,为了缓解此问题,避免系统收敛于局部最优解,提出一种基于免疫克隆算子的设计方案。根据WSN节点覆盖原理,构建WSN路由节点自适应人工免疫分布模型,用免疫平衡机理计算染色体在每个节点部署网格中的信息浓度概率,采用克隆检测算法监测WSN网络中节点冗余浓度,以使每个WSN路由节点辐射信息素最大化,突破几何选择区域的限制,实现最优节点部署和覆盖。仿真实验表明,新算法能提高网络连通性和节点利用率。     

Method for distributed deployment of the virtual network function manager for MEC

Aiming at achieving efficient virtual network function deployment under the Mobile edge computing (MEC) architecture,a virtual network function manager (VNFM) deployment method based on the immune optimization algorithm is proposed.First,a mixed integer programming model is used to build the mathematical model of VNFM deployment.Then,a deployment solution based on the immune optimization algorithm is given.Aiming at obtaining the optimal deployment solution towards the minimum communication cost,the algorithm comprehensively considers the antibody affinity and antigen affinity of chromosomes with respect to individual fitness in the population and the diversity characteristics of the immune system,respectively.Simulation results show that compared with the current deployment method,the individual evaluation mechanism of the proposed algorithm can more effectively evaluate the fitness and similarity of individuals in VNFM deployment problems.The proposed method can effectively prevent the algorithm from falling into the local optimum during the deployment process.The optimal solution improves the performance of the algorithm;it can speed up the algorithm’s convergence efficiency and simultaneously reduce the CPU time for algorithm execution.     

基于人工免疫势场法的移动机器人路径规划

针对人工势场法和基本遗传算法在解决移动机器人的路径规划问题时。容易产生目标不可达和局部极小值的问题,提出了1种基于人工免疫势场法的移动机器人路径规划算法(MRPP-AIPF).该算法将初始抗体群动态分配为记忆保留单元和临时抗体单元,通过交叉、变异和遗忘等算子进行进化操作,使较优抗体较早生成,提高了算法的收敛能力和保持抗体群的多样性.仿真实验表明,MRPP-AIPF算法属有效路径规划算法.     

求解动态路径诱导K路最短问题的人工免疫优化方法

针对智能交通诱导系统中传统最短K路算法的运行效果不佳，提出一种新型人工免疫优化搜索算法，并将其应用于扩展节点法建立的城市交通路网模型，实现了城市交通诱导系统的最优K路搜索．该算法基于生物免疫系统的免疫记忆功能，具有全局性并行搜索的特点．在K路最短问题求解时能同时给出K条最短路径，不存在遗传算法的早熟现象并具有更好的并行处理能力．示例仿真验证了算法的有效性与实用性．     

求解动态路径诱导K路最短问题的人工免疫优化方法

针对智能交通诱导系统中传统最短K路算法的运行效果不佳,提出一种新型人工免疫优化搜索算法,并将其应用于扩展节点法建立的城市交通路网模型,实现了城市交通诱导系统的最优K路搜索. 该算法基于生物免疫系统的免疫记忆功能,具有全局性并行搜索的特点. 在K路最短问题求解时能同时给出K条最短路径,不存在遗传算法的早熟现象并具有更好的并行处理能力. 示例仿真验证了算法的有效性与实用性.     

基于自适应变权免疫网络的电磁信号监测算法

针对人工免疫系统(AIS)用于电磁信号监测领域时,系统输入参数的波动程度差异显著且波动程度会随监测环境的不同发生变化的问题,借鉴变权理论提出了一种自适应变权免疫网络(AVWIN)信号监测算法.该算法能根据监测环境自适应调节各输入参数的权重,使信号空间的信号分离度最大,从而提高系统的监测性能.同时,采用实际无线电监测数据进行实验,验证了信号分离度定义的合理性,并与普通免疫网络对比,证实该算法可显著提高系统的监测性能.     

基于人工免疫原理的中文姓名识别方法

为提高姓名识别的准确性并加快识别的速度,受生物免疫系统自学习、免疫记忆等特征启发,基于人工免疫原理,提出了一种新的中文姓名识别模型。给出了自体/非自体、抗体/抗原的定义,建立了免疫学习、免疫识别和免疫记忆机制。对模型进行了仿真,并完成了验证实验。实验结果表明该方法较传统的基于统计、基于语料库和结合决策树的姓名识别方法更有效,为文本挖掘提供了一种较好的解决方案。     

免疫群体网络算法及其在电站风机故障诊断中的应用

为了快速、准确的识别电站风机的故障类型,基于克隆选择算法和免疫网络算法,提出一种免疫群体网络算法,该算法能对多个抗原群体同时进行局部和全局搜索,从而形成2层搜索机制,保证了算法的局部和全局搜索能力,有效克服了未成熟收敛现象,提高了群体的多样性,仿真结果表明,免疫群体网络算法能有效识别电站风机故障。