基于免疫遗传算法的设备布局问题研究

针对免疫遗传算法中存在的问题,提出了一种改进免疫遗传算法。改进算法的主要特点是简化了种群个体的选择机制,采用了新的亲和力组合计算的方法。通过单行与多行机器布局的实验验证了新算法,得到了满意的效果。同时,纠正了相关文献中设备可用空间计算中的错误,简化了机器净间距序列调整方法。     

免疫遗传算法的现状和展望

介绍了基本遗传算法和免疫遗传算法,重点分析了免疫系统对遗传算法的改进。结合混沌搜索的思想提高了算法运算的效率,并对免疫遗传算法的研究方向做出展望。     

基于改进免疫遗传算法的电力系统无功优化

电力系统无功优化是保证系统电压质量、降低网损的重要措施.基于遗传算法、免疫算法的优缺点,提出一种应用于电力系统无功优化的新算法-改进的免疫遗传算法.对IEEE-30节点系统的仿真表明:该算法能够有效地提高收敛速度,避免早熟收敛.     

多峰值函数优化问题的免疫遗传算法求解

生物免疫系统在遭受未知抗原攻击时,能通过基因的重组和变异,找到合适的抗体消灭抗原,并且能保持抗体的多样性。把生物免疫系统的这种特性加入到免疫遗传算法中能解决其迭代后期出现的退化现象。针对注射过疫苗的生物免疫系统能够很快识别抗原这一特性,对传统免疫遗传算法进行改进,提出一种改进的免疫遗传算法(IIGA),并用其求解经典的Benchmark多峰值函数,实验结果表明IIGA能够有效抑制免疫遗传算法的退化现象,并提高算法的收敛速度。     

改进自适应遗传算法在函数优化中的应用研究

为了改善传统自适应遗传算法的收敛速度以及局部收敛问题,根据种群适应度的集中程度,以种群的最大适应度、最小适应度以及适应度平均值这3个变量为基础,设计了改进的自适应交叉概率和变异概率来调整整个种群的交叉概率和变异概率,提出了一种基于种群适应度集中程度的改进自适应遗传算法.将该算法应用于函数优化中,仿真结果验证了其具有"快速收敛"的特点,且在很大程度上可避免遗传算法的早熟现象.     

水下机器人S面控制器的免疫遗传算法优化

S面控制器是实践证明有效的水下机器人的运动控制器算法,但参数调整困难.如何针对特定载体选取最佳的控制器参数,是影响到控制效果的重要问题.为了减少参数手工调整所带来的误差和繁琐劳动,提出了水下机器人S面控制器的免疫遗传优化算法.利用免疫算法产生多样性抗体的能力,抗体浓度自我调节,抗原的免疫记忆功能实现了S面控制器参数优化计算的快速收敛,避免了局部峰值的徘徊.给出了S面控制器的推导过程,免疫遗传算法求解的一般过程.详细论述了S面控制器参数免疫遗传优化的具体实现.大量的仿真实验和湖中实验得到了确定性的结果.表明了此算法对于水下机器人运动非线性控制器的参数寻优能达到很好的效果.     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

基于免疫遗传算法的卫星天线结构设计

将实数编码和二进制编码有机结合,形成一种新的混合编码方法,使卫星天线结构与染色体一一对应,简化了天线结构描述以及交叉、变异等遗传操作.以天线性能需求为抗原,以设计过程中天线结构的中间结果为抗体,通过遗传操作优化天线抗体种群,同时引入亲和力、浓度、记忆库等免疫因子,实现了浓度调节机制和抗体记忆功能,保持了天线种群多样性,避免了天线个体的重复计算,使天线抗体种群快速收敛,最终得到符合性能需求的卫星天线结构.通过ST5卫星天线的仿真实例验证了该天线结构设计方法.结果表明,相比传统遗传算法,免疫遗传算法的时间开销减少20%～30%,同时稳定性提高,体现了该设计方法的可行性和高效性.     

基于正交设计的免疫克隆遗传算法

针对遗传算法存在＂早熟＂及局部搜索能力弱等问题,提出一种基于正交设计的免疫克隆遗传算法,将正交实验设计原理、免疫克隆理论以及标准遗传算法有效结合起来,增强算法的收敛速度和搜索精度。对算法进行了验证,表明该算法求解精度高出几个数量级,寻找到全局最优解的次数明显增加。     

遗传算法种群多样性的分析研究

提出了一种新的种群多样性度量方法,给出了一组ＰＤ度量标准及计算公式,证明了它们之间的一个数量关系,分别以基因和个体为单元对ＰＤ进行了研究,揭示了ＰＤ的两种含义,实验证明本文引入的几种ＰＤ指标全面反映了ＧＡ的动态过程,完整描述了ＰＤ各个侧面的含义,克服了以前ＰＤ定义的局限性,将共用于ＧＡ的运行控制,可大幅度提高ＧＡ的全局收敛性能。     

基于多保留策略的复合型遗传算法及其收敛性分析

遗传算法(GA)作为一种新型的智能优化方法,以其结构简单、适应性强等特点在众多实际领域取得了成功的应用,但存在计算复杂度大、易于局部收敛等方面的不足。本文在分析现有遗传操作的不足和生物进化的基本特征基础上,从提高进化效率的角度出发,提出基于多保留策略的复合型遗传算法(简称MRS-CGA);进而利用Markov链理论和仿真技术,从不同的层面分析了算法的性能。讨论结果表明,算法从本质上推广了常规的GA,在计算效率和收敛性能上均明显地优于常规的GA。     

用于微波电路优化的免疫算法

免疫算法将浓度、亲和力作为个体解的最优性标准,从而低浓度、高适应的个体得到更多的繁殖机会．由于免疫算法重视解群体中个体的多样性,避免了现有算法的过早收敛．用一个典型的数学算例验证了免疫算法的多峰值寻优性能,并用4种方法分别设计宽带阶梯阻抗变换器,结果表明基于免疫算法的微波电路优化设计具有可行性和高效性．     

A novel genetic algorithm preventing premature convergence by chaos operator

ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ(ＧＡｓ),ａｓａｋｉｎｄｏｆｓｅａｒｃｈｉｎｇａｎｄｏｐｔｉｍｉｚｉｎｇａｌｇｏｒｉｔｈｍ,ｉｓｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｓｏｆｎａｔｕｒａｌｅｖｏｌｕｔｉｏｎ[1].Ｉｔｈａｓｂｅｅｎｅｓｔａｂｌｉｓｈｅｄａｓａｖｉａｂｌｅａｎｄｒｏｂｕｓｔｔｅｃｈｎｉｑｕｅｆｏｒｓｅａｒｃｈｉｎｇａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｃｒｏｓｓａｄｉｖｅｒｓｅｄｏｍａｉｎｏｆｄｉｓｃｉｐｌｉｎｅｓ.Ｈｏｗｅｖｅｒ,ｗｈｅｎａｐｐｌｙｉｎｇＧＡｔｏｓｏｌｖｅｌａｒｇｅｓｃ…     

基于免疫遗传聚类的异常检测系统

免疫算法是在保留遗传算法优良特性的基础上有目的、有选择的利用待求问题中的特征信息来抑制进化过程中出现的种群退化现象,算法核心是免疫算子(接种疫苗和免疫选择)的构造。基于免疫遗传算法的聚类不仅能够有效克服传统聚类方法对初始化敏感、依赖聚类原型、进化后期容易早熟等缺点,而且聚类结果能够快速收敛到全局最优。本文将这种聚类方法用于网络异常检测中,构造基于免疫遗传聚类的异常检测系统,该系统可实现对海量异构多维原始数据的异常检测,并且能够检测到网络未知攻击。本文在KDD CUP99数据集中进行了对比仿真实验,实验结果表明该算法能够得到较高的已知攻击和未知攻击检测率以及较低的误警率,检测系统性能优良。     

基于改进免疫遗传算法的网格任务调度

为改进网格计算中任务调度的低效问题,采用十进制的实数编码规则产生初始抗体群,由免疫遗传算法经过克隆和变异算子生成资源集合中的蚁群信息素,进而利用蚁群算法的并行性展开全局搜索,通过CloudSim仿真平台进行模拟,与粒子群算法及蚁群遗传算法进行对比,结果表明,改进的免疫遗传算法能够大幅提高网格计算任务调度效率,有效地解决网格任务调度问题.     

An adaptive genetic algorithm with diversity-guided mutation and its global convergence property

An adaptive genetic algorithm with diversity-guided mutation, which combines adaptive probabilities of crossover and mutation was proposed. By means of homogeneous finite Markov chains, it is proved that adaptive genetic algorithm with diversity-guided mutation and genetic algorithm with diversity-guided mutation converge to the global optimum if they maintain the best solutions, and the convergence of adaptive genetic algorithms with adaptive probabilities of crossover and mutation was studied. The performances of the above algorithms in optimizing several unimodal and multimodal functions were compared. The results show that for multimodal functions the average convergence generation of the adaptive genetic algorithm with diversity-guided mutation is about 900 less than that of adaptive genetic algorithm with adaptive probabilities and genetic algorithm with diversity-guided mutation, and the adaptive genetic algorithm with diversity-guided mutation does not lead to premature convergence. It is also shown that the better balance between overcoming premature convergence and quickening convergence speed can be gotten.     

基于概率模型的遗传算法

提出了一种基于概率模型的遗传算法，它没有采用选择和交叉算子，而是利用对基于统计信息的概率向量的操作来实现选择和交叉算子的功能，应用概率模型的遗传算法对4个著名的测试函数进行优化计算，实验结果表明该算法不易陷入局部极值，收敛速度快，且实现简单。     

基于免疫遗传算法的多机器人环境探索

针对多机器人环境探索中的任务分配和路径规划问题,将环境中所有待探索的任务点根据短距离优先策略分配至个体机器人,利用改进的免疫遗传算法对机器人分配到的任务点进行优化探索,提出了带有初始任务点优化的路径规划方法,使机器人能够不重复并且高效地遍历工作环境中的所有探索点.通过建立多机器人仿真实验系统,随机产生环境中的任务点和机器人等数据信息,并在此条件下对本文方法进行实验验证.结果表明,本文方法能够有效地实现多机器人环境探索问题.