一种新的混合免疫算法

免疫算法是在免疫系统识别多样性的启发下所设计出的一种新的多峰值函数的寻优算法。文章针对目前人工免疫算法在收敛于全局最优方面存在的缺陷,提出了一种模拟退火免疫算法,引入Boltzmann退火选择算子,利用模拟退火算法可选择性接受恶化解的特点克服传统免疫算法的缺陷,并通过实验证明了该混合免疫算法的优越性能。     

基于免疫规划的模拟退火算法

通过对模拟退火算法优缺点的分析,提出了一种新型的模拟退火算法——基于免疫规划的模拟退火算法。该算法借鉴了生物免疫概念与理论,将免疫规划的全局寻优能力与模拟退火算法的局部寻优能力相结合,克服了模拟退火算法运算效率低的缺点。理论分析和仿真结果表明,该算法不仅能够有效地保持种群的多样性,而且收敛速度和稳定性都有了明显提高,收敛到最优值的比例可达到91%。     

免疫遗传算法在系统可靠性最优分配中的应用

分析了免疫遗传算法的原理，并将免疫遗传算法应用于复杂系统可靠性最优分配，同时将其仿真计算结果与模拟退火算法、遗传算法仿真结果进行了比较，证明了免疫遗传算法求解该类问题更有效。     

基于高斯分布和模拟退火算法的免疫微粒群优化算法研究

针对微粒群算法在搜索过程中粒子容易失去多样性而陷入局部最优且搜索速度较慢的缺陷,提出了一种基于高斯分布和模拟退火算法的免疫微粒群算法,该算法借助高斯分布和模拟退火的有关机理,分别进行免疫接种和免疫选择的操作。使用常用的基准函数对算法进行了仿真验证工作,通过与全局微粒群优化算法、变惯性权值微粒群优化算法的对比表明,免疫微粒群优化算法(IPSO)在搜索速度和全局寻优方面具有一定的优势。     

基于免疫克隆退火算法的P2P路由算法

为改善P2P网络中传统路由算法存在的不足,结合免疫克隆算法和模拟退火算法的优点,提出一种基于免疫克隆退火算法的P2P路由算法。该算法充分考虑节点间延迟、带宽和费用等差异。实验结果表明,该算法能有效提高路由效率,减少路由延迟,整体性能优于其他路由算法。     

基于动态负载均衡策略的网格任务调度优化模型和算法

任务调度是一个NP-hard问题,而且是并行与分布式计算中一个必不可少的组成部分,特别是在网格计算环境中任务调度更加复杂。结合免疫克隆算法和模拟退火算法的优点,提出了一种网格任务调度优化模型和算法。仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡,克服了遗传算法容易陷入局部最优的缺点,可以成功地应用于网格任务调度中。     

快速演化算法研究

提出一种快速演化自满（FEA）,在演化过程中融合了梯度的随机模拟,免疫算子和模拟退火自满的思想,使得算法朝着优化的方向进行,在一定程度上避免了标准演化算法的演化时间过长和早熟问题,仿真结果表明,该算法具有精度高和收敛速度快的优点。     

基于免疫和模拟退火原理的柔性JobShop调度研究*

为了研究柔性Job-Shop调度的不同解法,采用免疫和模拟退化原理求解柔性Job-Shop调度问题。研究了柔性处理问题,提出两种调度策略;分析了算法混合的思想,提出了免疫模拟退火算法。分别采用不同调度策略,使用不同调度算法对多种国际标准算例进行了仿真,仿真结果表明,该模型、策略和算法能够解决柔性Job-Shop调度问题。     

模拟退火免疫算法及其在铁水含硅量预报中的应用

本文提出了一种模拟退火免疫算法，该算法借鉴生物免疫系统的免疫识别、多样性及学习功能，利用基于模拟退火的浓度调节抗体多样性保持机理克服遗传算法易早熟收敛的缺点．将此方法用于优化铁水含硅量神经网络预报模型中的连接权值和阈值，可避免陷入局部极小，从而得到最佳神经网络，提高铁水含硅量预报精度. 仿真结果证明了方法的有效性．     

基于免疫克隆模拟退火算法的网络生存性研究

针对通信网络产生的拥塞问题,基于免疫克隆模拟退火算法提出了一种新的网络生存性评价方法 (survivabilityalgorithm based on immune clonal simulated annealing,SAICSA)。该方法通过建立克隆变异和克隆交叉操作规则,并结合模拟退火接受准则来获得退火温度趋于零时的最优解。同时,以实际数据进行仿真实验,深入研究了网络生存性与失效边数、初始温度等影响因素之间的关系。实验结果表明,相比于免疫规划模拟退火算法和遗传模拟退火算法,SAICSA算法表现出较好的适应性。     

基于免疫遗传退火算法的Web关联规则挖掘方法*

摘要：根据关联规则挖掘的要求与特点,结合免疫算法,遗传算法和模拟退火算法的优点,提出一个基于免疫遗传退火算法的Web关联规则挖掘方法。实验结果表明,与遗传算法和模拟退火算法相比,基于免疫遗传退火算法的关联规则发现在Web挖掘中具有一定的优势。     

基于模拟退火遗传算法的关联规则挖掘

将模拟退火遗传算法加以改进,应用于关联规则挖掘,提出一种新的基于改进的模拟退火遗传算法的关联规则挖掘算法,并在该算法中,采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,实验结果显示该方法能高效地解决关联规则挖掘问题。     

基于双阈值的具有记忆功能的自适应模拟退火算法

讨论传统模拟退火算法的原理、求解过程,详细分析它存在的局限性,简单叙述模拟退火算法中关键参数对该算法性能的影响,并给出该算法的可行性改进方案。提出一个改进的模拟退火算法。在该改进算法中,为避免遗失当前最优解,增加记忆功能,将当前最好的状态记忆下来,从而使得模拟退火算法成为一种智能化算法;设计一个自适应温度更新函数,并设置双阈值使得在尽量保持最优性的前提下减少计算量。用改进前后的两个算法来解决一个非线性寻找组合最优问题,实验证明改进后的模拟退火算法是高效的。     

求解装卸混合车辆路径问题的模拟退火遗传算法

提出一种改进的模拟退火遗传算法来求解装卸混合车辆路径问题;通过使用模拟退火变异策略来增强遗传算法的局部搜索能力,从而改善遗传算法的早熟问题,使算法有能力避免陷入局部极值而快速收敛于全局最优解;仿真实验结果表明了所提算法求解装卸混合车辆路径问题的有效性与适用性。     

改进型模拟退火算法在设备布局设计中的应用

由于设备布局问题是NP完全问题，它在有限合理的时间内难以求得最优解，因此问题的求解只能依赖于各种启发式方法。文章针对传统的模拟退火算法经常出现迂回搜索，导致搜索效率低，解的质量差这一现象，通过在传统模拟退火算法搜索过程中增加记忆功能，来避免迂回搜索，将改进的模拟退火算法应用于设备布局的研究中，通过实例证明改进的模拟退火算法解的质量有了很大提高。     

基于混合禁忌搜索算法的重叠色谱峰解析

结合模拟退火算法中的Metropolis准则和免疫进化算法巾产生优秀子代的思想,提出一种混合禁忌搜索算法,并根据指数修正的Gauss卷积模型,使用该算法解析计箅机模拟谱图和实验谱图中的重叠峰,结果该算法用于解析重叠色谱峰性能稳定,精度较高.     

网格环境下资源负载均衡和优化调度研究

为了有效解决网格环境下资源的负载均衡问题,结合克隆算法,模拟退火算法和遗传算法的优点,提出了一种基于遗传模拟退火克隆算法的任务调度优化方法。仿真实验结果表明,该算法全局寻优能力强,能有效地实现资源的负载均衡,同时克服了遗传算法容易陷入局部最优的缺点,可以成功地应用于网格任务调度中。