基于免疫--蚂蚁算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。     

基于相关函数的递推最小二乘算法及其在回波消除中的应用

本文给出一种新的类似于RLS（recursive least squares)算法的递推最小二乘算法，该算法直接对输入信号的相关函数进行处理而不是对输入信号本身进行处理，理论分析表明了该算法的收敛性。该算法应用于回波消除问题中，克服了常规自适应滤波算法在出现双方对讲的情况下需停止调节自适应滤波器系数这一不足。计算机模拟仿真表明该算法在双方对讲的情况下有良好的收敛性能。     

连续凸逼近加权自相关波形优化方法

针对雷达系统对距离向干扰抑制的需求，提出一种基于连续凸逼近的加权自相关恒模波形设计方法。由于原始问题的目标函数为不定二次型，无法直接求解，通过构造目标函数的上边界函数并对其最小化，获得原最小化优化问题的等效形式。同时，对非凸的恒模约束进行松弛处理，构建易于求解的凸优化模型。在此模型基础上，利用成熟优化工具对凸问题进行求解，并对最优解的幅度强制归一化得到恒模序列。通过数值仿真，将连续凸逼近算法与现有算法进行比较，验证了所提算法的可行性和快速收敛性。     

基于免疫算法的空战目标分配

目标分配是现代空战系统对抗中要首先面对的问题,它是一个组合优化问题.首先用优势函数来表明敌我态势,建立机群对抗优势函数矩阵.然后将一种新型的启发式算法--免疫算法用于解决目标分配问题.免疫算法具有很好的全局搜索能力和收敛性,能够很好地解决这类问题,实例也证明了该方法是可行和有效的.     

基于模糊免疫PID的时滞网络自适应主动队列管理

提出了一种基于灰预测和模糊免疫PID控制的时滞网络自适应主动队列管理（AQM）算法FIGAPID，旨在增强AQM算法动态自适应能力，同时补偿网络时滞，综合提高AQM算法性能。该算法借助免疫反馈机理进行PID参数的在线自适应调整，采用模糊非线性逼近的方法进行免疫反馈函数的确定；采用等维新息滚动灰预测实现路由器队列长度的超前预测，补偿AQM控制的反馈滞后。对比传统PID算法，仿真验证了FIGAPID的有效性，表明算法能快速稳定地适应动态时滞网络环境变化，收敛于路由器队列长度期望值，同时具有较小的数据丢包率。     

基于改进免疫优化算法的冷链多式联运路径优化研究

针对运输损耗的冷链多式联运路径优化问题,提出一种基于改进免疫优化算法的冷链多式联运路径优化方法。采用Weibull三参数分布函数来描述冷链运输途中的变质损耗变化情况,构建以总运输成本最低为目标的路径优化模型。利用粒子群算法中双寻优的特点对免疫优化算法进行改进,提高了算法的收敛速度。设计多OD的算例进行验证,结果表明,优化后的算法能够解决冷链物流运输路径不合理的问题,降低总物流成本。     

运动多平台无源跟踪截尾不敏卡尔曼滤波算法

针对已有非线性滤波算法用于运动多平台无源跟踪时精度不高的问题,提出了一种新的跟踪算法即截尾不敏卡尔曼滤波（TUKF）算法以改善跟踪性能。该算法对状态先验概率密度函数及测量噪声概率密度函数进行截尾处理,使其变为具有有界支撑集的函数,并在此基础上结合原始状态先验概率密度函数设计了混合先验概率密度函数,然后针对其中的两种先验概率密度函数,分别应用不敏变换计算对应的后验概率密度函数的前两阶矩信息,并对其进行融合处理得到最终状态估计。仿真结果表明相对于几种典型的非线性滤波算法,TUKF算法能有效改善跟踪性能。      

MPSK信号载频盲估计

研究了相位编码信号（MPSK）的载频盲估计算法。在没有接收信号先验知识的情况下，首先对MPSK信号载频进行粗估计，然后进行相关运算把信号，接着估计码速率，得到载频和码速率的估计值，就把载频估计问题转化为频偏估计问题。利用基带MPSK信号的相位函数是分段线性函数且每一段直线的斜率均正比于频偏的性质，对接收信号的相位函数进行处理，把分段直线变成一条直线，最后运用最小二乘拟合法得到直线的斜率从而得到频偏估计。仿真表明本算法在没有先验知识的情况下可以对MPSK信号载频进行精确估计。     

平坦衰落信道下的粒子滤波算法

粒子滤波器能够处理非线性和非高斯的问题，所以引起了人们的关注。当重要函数分别选取先验重要密度函数和混合重要密度函数时，对于平坦瑞利衰落信道下粒子滤波算法，仿真试验结果表明，无论是在高斯噪声还是非高斯噪声环境中，混合重要密度函数要优于先验重要密度函数。     

基于EFA的声呐混响抑制两级降维算法研究

针对传统的空时自适应处理降维手段如扩展因子法、局域联合处理法，在大阵列条件下存在计算量大、实时性差和空域混响抑制效果差等问题，提出一种两级降维算法。该算法在扩展因子法第一级降维基础上，通过一对二次代价函数循环迭代进行第二级降维。仿真结果表明，该算法相比扩展因子法所需计算量与训练样本大幅减少，相比局域联合处理法，降低了波束主瓣展宽，空域混响抑制效果更好。     

Optimization design of structure invulnerability for air defense multiple sensor network

To improve the invulnerability of air defense multiple sensor network,its topological structure optimization model was established with the constraint of network node’s degree and network connectivity,combined with the total sum of network’s natural connectivity for attack strategy as object function.Then,solving steps of the model were designed based on improve artificial immune algorithm to solve the model.In order to improve the searching efficiency of the algorithm,new steps of immune review and antibody correction were designed to increase the number of effective antibodies in population.Simulation and results prove rationality of the model and feasibility of the modified artificial immune algorithm,optimization based on the index of total natural connectivity for attack strategy can improve the invulnerability of air defense multiple sensor network.     

人工免疫系统的研究进展与展望

人工免疫是受生物免疫系统的启发而发展起来的,并逐步成为人工智能研究的热点。首先介绍人工免疫系统的生物原型,并对免疫系统群体计算中的免疫学习、免疫记忆、免疫遗传等算法进行描述;对近几年典型的人工免疫算法与系统进行了深入探讨,通过人工免疫算法在不同领域的应用,展示人工免疫系统在解决复杂问题时具有自组织、自适应、鲁棒性的特点。最后提出免疫算法在未来一段时间内的发展趋势与应用领域,尤其是在免疫协同防御、人工免疫系统与模糊系统集成、量子技术与免疫算法的融合以及人工免疫在无人驾驶技术中的应用,是未来人工免疫系统的发展趋势和研究方向。     

Meta-heuristic optimization inspired by proton-electron swarm

While solving unimodal function problems, conventional meta-heuristic algorithms often suffer from low accuracy and slow convergence. Therefore, in this paper, a novel meta-heuristic optimization algorithm, named proton-electron swarm (PES), is proposed based on physical rules. This algorithm simulates the physical phenomena of like-charges repelling each other while opposite charges attracting in protons and electrons, and establishes a mathematical model to realize the optimization process. By balancing the global exploration and local exploitation ability, this algorithm achieves high accuracy and avoids falling into local optimum when solving target problem. In order to evaluate the effectiveness of this algorithm, 23 classical benchmark functions were selected for comparative experiments. Experimental results show that, compared with the contrast algorithms, the proposed algorithm cannot only obtain higher accuracy and convergence speed in solving unimodal function problems, but also maintain strong optimization ability in solving multimodal function problems.     

基于免疫识别的免疫算法

免疫算法已开始成为计算智能研究的一个热点.本文提出了一种基于免疫识别的免疫算法,该算法的设计借鉴了生物免疫识别中的非选择机制,其求解思想与现有优化方法不同,它是通过在解空间中不断识别、选择出劣解并加以排除来获得优解.本文详细介绍了该算法的设计,从理论上分析了算法的收敛性能和时间复杂度,并针对TSP问题设计了相应的验证实验.理论分析和实验结果都表明该算法具有很强的问题求解能力.     

Improvement for solving the mix-up problem in constant modulusarrays

The authors propose an efficient and computationally fast algorithm for solving the mix-up problem in complex arrays. The Lagrange multiplier theory is used in the optimisation of the constant modulus algorithm (CMA) cost function and the input data are processed in blocks. Furthermore, a simplification of the CMA cost function is proposed that leads to a robust algorithm for solving this problem. Simulations are presented to support the analysis     

椭圆球面波函数的快速重构算法

椭圆球面波函数是一种极具应用前景的非正弦函数。针对现有求解算法效率低,不易硬件实现的问题,基于带通采样定理并结合椭圆球面波函数的时限带限特性,提出了一种快速重构算法并推导得出了重构函数,给出了近似解析解表达式,对比分析了算法的求解精度和计算复杂度。结果表明:该算法求解速度快、精度高、计算复杂度低,可用于任意频段上的椭圆球面波函数的数值求解。该算法更适于硬件实现。     

A Mixed Real-time Algorithm for the Forward Kinematics of Stewart Parallel Manipulator

Aimed at the real-time forward kinematics solving problem of Stewart parallel manipulator in the control course, a mixed algorithm combining immune evolutionary algorithm and numerical iterative scheme is proposed. Firstly taking advantage of simpleness of inverse kinematics, the forward kinematics is transformed to an optimal problem. Immune evolutionary algorithm is employed to find approximate solution of this optimal problem in manipulator＇s workspace. Then using above solution as iterative initialization, a speedy numerical iterative scheme is proposed to get more precise solution. In the manipulator running course, the iteration initialization can be selected as the last period position and orientation. Because the initialization is closed to correct solution, solving precision is high and speed is rapid enough to satisfy real-time requirement. This mixed forward kinematics algorithm is applied to real Stewart parallel manipulator in the real-time control course. The examination result shows that the algorithm is very efficient and practical.     

Simultaneous solution of system dynamic equations and control-function optimisation using the conjugate-gradient algorithm

An algorithm is presented for simultaneously iteratively solving the system equations and optimising the control function for linear systems with quadratic performance indexes, using the conjugate-gradient algorithm. A potential advantage is that the integrations of differential equations often associated with methods for solving such problems are replaced by quadratures.     

一种基于免疫系统的RBF网络在线训练方法

 针对径向基函数(RBF)网络和免疫系统的相似性,本文提出了一种基于免疫模型的RBF网络在线学习方法以解决动态问题.该方法借鉴了免疫系统动态调整以对抗不断入侵的抗原的机制,通过免疫初步覆盖、免疫交叉响应和疫苗注射等免疫操作,加速算法效率、提高算法精度和动态性能.通过以上操作使得RBF网络能够根据样本的变化迅速地调整网络结构与参数.计算机仿真研究表明,采用这种方法设计的RBF网络在动态环境下具有优良的精度和泛化能力.