一种并行免疫进化策略算法研究

基于克隆选择原理,提出一种自适应并行免疫进化策略．在算法中根据抗体抗原亲和度将初始抗体种群分为两个子群,相应地提出了精英克隆算子和超变异算子．通过精英克隆算子提高算法局部搜索能力,同时利用超变异算子维持种群多样性,通过这两个功能互补算子的并行操作实现种群进化．仿真表明,自适应并行免疫进化策略搜索效率高,能有效抑制早熟收敛现象,可用于解决复杂机器学习问题．     

蚁群算法与免疫算法的融合及其在TSP中的应用

提出一种基于抗体片段局部最优搜索的克隆选择和蚁群自适应融合算法.引入混沌扰动来增加抗体种群的多样性,以提高蚁群算法的搜索能力;利用克隆扩增、免疫基因等相关算子的操作,增强了克隆选择算法搜索的效率;通过自适应控制参数,实现了克隆选择与蚁群优化的有机结合及局部最优搜索策略的应用,加快了收敛速度,克服了抗体种群早熟问题,提高了求解精度.仿真实验结果表明,该算法具有可靠的全局收敛性,较快的收敛速度.     

免疫算法优化的大气质量评价模型及其应用

针对传统免疫克隆选择算法搜索精度不高的不足,提出了一种改进的免疫克隆选择算法,即引入疫苗接种策略和局部高斯变异算子的免疫克隆选择算法.在疫苗提取、选取和接种过程中引入轮盘赌选择、二进制位基因位选取和接种策略,克服了传统免疫克隆选择算法没有抗体基因交叉的现象,提高了产生优良抗体的比率;通过引入局部高斯变异算子,利用高斯变异的小步长不断地自适应调整,提高了算法的局部搜索能力.此外,算法还采用了扩大搜索空间策略,避免算法陷入局部极值,提高了算法的全局搜索能力.在此基础上,提出了基于免疫克隆选择算法的大气质量评价模型,并将其应用于大气质量评价领域.实验结果表明,该算法有效地提高了求解问题的精度和执行效率,提出的评价模型具有较好的实用性和应用前景.     

快速收敛的克隆选择算法

针对克隆选择算法抗体群多样性有限和容易早熟等问题,提出了快速收敛的克隆选择算法.引入新型克隆算子,维持了抗体间促进与抑制的平衡;为了跳出局部最优,结合云模型的特征,给出了云自适应变异算子,与抗体重组算子合作,有效地增加了抗体的多样性,进而增强了算法的全局和局部搜索能力.对标准测试函数进行了仿真实验,并与其它算法进行了比较,比较结果表明,该算法寻优精度高、鲁棒性好、收敛速度快、时间复杂度不高.     

一种基于双变异算子的免疫网络算法

针对遗传算法难以解决多峰函数优化的问题,提出一种基于双变异算子的免疫网络算法.该算法借鉴免疫系统的克隆选择和免疫网络理论,采用双变异算子提高算法的全局和局部搜索能力.利用动态网络抑制策略保持神群的多样性,自适应地调节抗体群的规模.仿真结果表明,该算法能有效地改善种群的多样性,较好地实现全局优化与局部优化的有机结合,具有更强的多峰函数优化能力.     

车辆路径问题的自适应伪并行免疫遗传算法

物流配送车辆路径优化问题是在物流系统中受到普遍关注的问题,也是一个NP-Hard问题。针对物流配送车辆路径问题,提出并实现了一种自适应伪并行免疫遗传算法。利用多个子种群同时进化及小生境技术,给出了一种小生境伪并行协同进化策略,给出了编解码方式及免疫克隆、提取疫苗、接种疫苗、免疫选择等免疫算子以及选择、交叉、变异等遗传算子的具体设计,进化过程中克隆规模可依据抗体－抗原亲合度、抗体－抗体亲合力自适应调整,采取了最优保存策略从而保证了算法以概率1收敛。实例验证了该算法的可行性,有效性。通过仿真验证,该算法运算速度快、结果精度高,对物流配送车辆路径优化问题研究具有一定的参考价值。     

免疫文化基因算法求解多模态函数优化问题

为了尽可能找到多模函数优化问题的全部最优解,提出了一种免疫文化基因算法。采用危险信号自适应引导免疫克隆、变异和选择过程,并采用Baldwin学习机制作为局部搜索策略,增强了算法搜索最优解的能力。实验结果表明,本算法求解精度较高。     

自适应免疫克隆粒子群算法的地震波阻抗反演

针对粒子群优化算法应用于地震波阻抗反演问题时易陷入局部极小值和计算量大的问题,提出一种自适应免疫克隆粒子群（AICPSO）算法。该算法引入免疫机制,根据个体浓度和适应值概率定义了个体置换算子,能够避免粒子群算法陷于局部极值。为避免由进化过程中大量相同抗体引起的算法退化现象,根据记忆库和抗体群不同的特性,采用自适应变异算子更新记忆库,而依据抗体浓度和亲和度更新下一代抗体群体。经数值模拟和实际波阻抗资料反演表明,该算法不依赖于初始模型,收敛速度快且结果可靠。免疫粒子群优化算法为解决地震波阻抗反演问题提供了一条可行途径。     

一种免疫克隆选择算法在BP网络学习中的应用

在分析BP网络学习存在的问题后,采用了一种免疫克隆选择算法对BP网络的权值进行优化学习,并提出了一种新的变异方法,该变异方法可以根据亲和力的大小自适应调整抗体变异的幅度,与传统的高斯变异相比,不但简化了抗体的编码,还很好地体现了克隆选择算法抗体变异的特点,提高了算法的搜索能力和收敛性能。仿真实验表明,基于这种变异方法的免疫克隆选择算法可以很好地提高BP网络的学习速度,有效地避免算法过早收敛的问题。     

一种免疫记忆动态克隆策略算法

基于对克隆选择及免疫记忆动态过程的模拟,本文提出了一种人工智能算法,免疫记忆动态克隆策略算法,该算法模拟免疫系统的自我调节、记忆学习、自适应等机制,实现全局优化计算与局部优化计算机制的有机的结合,通过抗体与抗原的亲合度和抗体间亲合度的计算,促进和抑制抗体的产生,自适应地调节抗体群和记忆单元的克隆规模.理论分析证明该算法以概率1收敛,对多峰函数优化及货郎担问题的仿真试验表明,算法有效,而且具有全局搜索能力强,种群多样性好及收敛速度快等特点.     

使用危险理论的多传感器故障检测

现有的免疫故障检测理论用于多传感器检测对象时,易产生计算开销过大的问题。引入危险模式理论对其进行建模。将免疫算法与危险模式理论相结合,提出了一种基于危险信号的多测点免疫故障检测算法。通过定义和计算危险信号和危险程度信号提高系统故障识别的准确性。仿真结果表明：使用该文提出的模型和算法不但简化了系统计算过程,而且能有效地提高系统对虚假故障的甄别能力。     

基于改进遗传算法的数字信号特征集选取

针对通信信号的特点,提出了一种应用于信号特征筛选的改进遗传算法。该方法首先确定了最能表现信号调制间差别的特征子集即优秀基因库,然后在遗传过程中通过选择、淘汰引起优秀基因库大小的变化,最后通过引进不同大小的库外特征量,保证每代遗传过程中的交叉和变异概率随环境的变化而自适应的变化,最终筛选出一高质量的特征子集,并结合RBF神经网络分类器得到更好的识别效果。通过仿真实验验证了该方法不但具有求解全局问题的鲁棒性、收敛性,而且具有更快的收敛速度和更强的全局收敛性。     

基于平均熵的自适应人工蜂群算法

针对基本人工蜂群算法容易陷入局部最优和早熟等问题,提出一种改进的人工蜂群算法(ASABC)。利用平均熵机制初始化种群,增加种群的多样性,避免算法陷入早熟;同时,采用自适应调节邻域搜索步长的策略来提高算法的局部搜索能力,提升算法的计算精度;为了平衡算法的全局搜索能力和局部搜索能力,引入自适应比例选择策略来代替人工蜂群算法的适应度比例选择方法。对8个标准测试函数的仿真实验结果表明,与3种常见的智能优化方法相比,改进的算法具有显著的局部搜索能力和较快的收敛速度。     

A hybrid bat algorithm with natural-inspired algorithms for continuous optimization problem

This paper proposes a hybrid bat algorithm with natural-inspired algorithms for continuous optimization problem. In this study, the proposed algorithm combines the reproduction step from weed algorithm and genetic algorithm. The reproduction step is applied to clone each bat population by fitness values and the genetic algorithm is applied in order to expand the population. The algorithm is evaluated on eighteen benchmark problems. The computational results of the proposed algorithm are compared with the methods in the literature which are self-adaptive differential evolution (DE), traditional DE algorithm, intersection mutation differential evolution (IMDE) algorithm, and the JDE self-adaptive algorithm. Findings show that the algorithm produces several solutions obtained by the previously published methods especially for the continuous unimodal function, the quartic function, the multimodal function and the discontinuous step function. In addition, the finding shows that the proposed algorithm can produce optimal solutions efficiently on benchmark instances within short computational time.     

A parallelized artificial immune network for fuzzy clustering

An artificial immune network (AIN), AINFCM, has been successfully used for fuzzy clustering to overcome the shortage of FCM algorithm that is sensitive to the selection of initial centres. However, as a stochastic searching algorithm, the runtime of AINFCM goes up especially when dealing with large quantities of data or generating much more antibodies for clone selection. In this paper, the PAINFCM is proposed for parallel affinity calculation of antibodies according to time complexity of AINFCM algorithm. Subsequently, a coarse-grained version of PAINFCM algorithm was proposed to parallelize clone expansion. Experiments indicated that the PAINFCM improves efficiency of AIN. Furthermore, it provides a good balance between global searching ability and run time of the AIN.     

基于小波与傅里时变换的一类短波盲信道自适应分离算法研究

在军事短波通信信息侦察方面,短波盲信道分离有着至关重要的作用。本文对截获到的短波通信信号在信道个数及信道带宽均不确定、信道频谱理论上不重叠条件下的盲信道分离问题进行研究,将小波分析与傅里叶变换相结合,提出了一种短波盲信道自适应分离算法。仿真试验表明,该分离算法能对短波盲信道进行有效分离,具有分离精度高,抗噪声干扰能力强的优点。     

一种基于过程神经网络的动态系统控制信号求解模型和算法

针对非线性动态系统控制问题,提出了一种基于过程神经网络的控制信号求解模型和算法。利用过程神经网络对动态系统时变输入/输出信号的非线性映射机制和对系统过程模态特征的自适应提取能力,建立基于过程神经网络的辨识模型;然后根据所建立的辨识模型、系统控制结构和状态参数之间的关系,构建可满足系统信息传递约束关系的控制信号求解模型。分析了过程神经网络控制模型的信息处理机制,给出了基于GA与LMS相结合的优化求解算法,实验结果验证了模型和算法的有效性。     

一种新的免疫进化算法在函数优化中的应用

针对克隆选择算法在求解高维函数优化问题时易陷入局部最优以及收敛速度较慢的弱点,本文基于生物免疫系统内部学习优化机制以及进化算法,提出了一种新的免疫进化算法,它包括正交交叉、单形交叉、克隆、多极变异和选择。新算法将进化计算的思想融入到克隆选择中,提出了一种新的变异算子,在保证种群多样性的同时提高了算法的全全局寻优能力。理论分析证明了算法的收敛性,并将算法应用于不同的测试函数进行仿真实验。结果表明,该算法是有效的。     

基于改进遗传算法的组合服务选择方法

针对目前组合服务选择中所采用的遗传算法寻优性不足的问题,提出一种改进的遗传算法,通过采用自适应交叉、自适应变异、随机遍历选择等改进策略来提高算法的性能.仿真结果表明,改进后的遗传算法能够将适应度值提高7%左右,并且随着组合服务中原子服务数目的增加,优势越明显,因此该方法尤其适用于原子服务数目比较大的环境.