一种改进的克隆函数优化算法*

为了提高免疫克隆算法的寻优能力,借鉴生物免疫系统的Baldwin效应及生物进化的周期性,提出了一种Baldwin效应的正向和反向学习机制,克服纯粹随机进化;利用生物进化的周期性,设计了周期变异算子,提高算法的收敛速度。在函数测试问题上的仿真实验表明,该算法求解精度较高、寻优能力较强。     

一种改进的克隆选择算法在多峰值函数优化中的应用

为了解决deCastro2002年提出的CLONALG算法在多峰值函数优化时多峰搜索能力弱、训练时间长的问题,本文提出了一种改进的克隆选择算法。该算法运用新的克隆选择操作、克隆变异操作和最佳抗体停止进化操作,并且引入了抗体抑制操作,不仅可以动态调整种群大小,具有较强的全局和局部搜索能力,而且搜索时间较短。与Castro的克隆选
择算法相比,本文算法在较短的时间内可以搜索到全局最优解和更多的局部最优解。     

一种改进的克隆选择优化算法

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统。论文利用免疫系统的克隆选择机制,提出一种用于函数优化的改进克隆选择算法。算法的主要特点是采用克隆和自适应变异等操作,提高收敛速度和种群的多样性。仿真程序表明,该算法能以较快速度完成给定范围的搜索和全局优化任务。     

改进的克隆选择算法及其应用

为解决Castro克隆选择算法中存在的种群规模需根据经验确定、多峰搜索能力弱、训练时间长等问题,提出一种新的免疫克隆选择算法,该算法基于实数编码和自适应变焦变异方法,能够动态确定种群大小,具有很强的全局和局部搜索能力,可以搜索到全局最优点和尽可能多的局部极值点。仿真实验结果表明,该算法平均运行时间和平均找到的峰值点个数都明显优于Castro克隆选择算法,且多峰值函数的优化效果得到显著改善。     

用于入侵检测的动态克隆选择算法的研究

针对目前动态克隆选择算法在入侵检测应用中存在较高的误检率的缺陷,提出了一种改进动态克隆选择算法。文章对改进算法进行了描述,建立了一种基于该改进动态克隆选择算法的入侵检测系统（IDS）模型,并进行了仿真实验。仿真实验表明,改进后的算法在降低误报率的情况下,提高了正确检测率。     

一种新型的克隆选择算法*

针对克隆选择算法自适应能力较弱的缺陷,给出了一种基于危险理论的自适应克隆选择算法。设计了危险信号操作算子,该算子将种群浓度的变动作为环境因素,以抗体—抗原亲和力为依据计算各个抗体在该环境因素下的危险信号,最终通过危险信号自适应地引导免疫克隆、变异和选择等后续免疫应答。实验结果表明本文算法具有较好的自适应能力和多值搜索能力。     

一种用于函数优化的免疫算法

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统。利用免疫系统的克隆选择机制,提出一种用于函数优化的改进免疫算法。其主要特点是采用克隆和自适应变异等操作,提高收敛速度和种群的多样性。仿真程序表明,该算法能以较快速度完成给定范围的搜索和全局优化任务。     

一种改进的动态克隆选择算法在木马检测中的应用

传统的克隆选择算法在检测效率、实时性等问题上都有不足和缺陷。在传统克隆选择算法交叉变异过程之后再次进行阴性选择,以避免交叉变异时产生和自体匹配的新个体．防止自体免疫的发生。在变异时采取概率与亲和度大小成反比的机制,保证检测器充满多样性。引入循环补充机制。动态更新检测器,增强全局寻优能力。     

自适应克隆选择算法及其仿真研究

基于克隆选择算法基本原理,提出一种搜索函数最优解问题的自适应克隆选择算法(ACSA).在ACSA中,抗体的克隆数、高频变异率、每代更新数都能在优化过程中自适应调节,而且变异抗体具有免疫记忆功能.通过对ACSA的收敛性分析,并和标准克隆选择算法仿真比较,结果表明ACSA在求解函数最优解问题时具有较强的收敛性和自适应性.     

多峰函数优化的自适应小生境克隆选择算法

为了解决de Castro在2000年提出的CLONALG算法在多峰值函数优化时多峰搜索能力弱,训练时间长的问题,提出自适应小生境克隆选择算法（ANCSA）。该算法运用自适应小生镜技术、高频变异算子和小生镜免疫优势选择技术来对原有算法进行改进。新算法具有较强的全局和局部搜索能力,并且搜索时间较短。理论分析和仿真研究结果表明,相比CLONALG算法,提出的算法能够在较短的时间内搜索到所有的全局最优解和更多的局部最优解。     

一种用于函数优化的免疫算法

遗传算法是目前最为广泛使用的可以用于函数优化的寻优方法之一。针对其容易陷入局部极值点等弱点,该文基于生物免疫系统中的学习机理及与其相关的免疫学理论中的克隆选择学说,提出了一种新的用于函数优化的免疫算法。新算法包括选择、克隆扩展、超变异和免疫记忆操作,定义了体现算法学习机制的学习参数和用于保存最优解的免疫记忆集合。提出了根据算法亲合度自适应调节学习参数的方法,以提高算法的全局寻优能力。用不同类型的测试函数进行仿真实验,结果表明该算法是有效的。     

基于等级变异的克隆选择算法

提出一种克隆选择算法--基于等级变异的克隆选择算法. 为提高进化中变异的有效性, 算法将变异尺度分成若干等级, 低等级变异有利于跳出局部最优解, 实现全局寻优; 高等级变异有利于局部的高精度寻优.此外, 算法在进化过程中记忆父抗体的变异尺度等级等信息, 并制定有效的变异策略运用这些信息以指导后续进化过程. 采用标准函数测试并与其它优化算法进行对比． 实验结果表明,该算法具有收敛速度快、全局搜索能力强、精度高和鲁棒性好的优点．     

基于改进的人工免疫算法的函数优化

为了提高算法的运行速度和收敛速度,确保算法收敛到全局最优,以及提高群体的多样性和整体品质,提出了基于百分比表示的抗体相似度、期望繁殖率以及克隆选择概率的定义方法和计算公式,并结合精英策略(elitism strategy)提出了一种改进的人工免疫算法,(Artificial Immune Algorithm with Elitism,AIAE).用AIAE对测试函数F15进行仿真实验,结果表明所提算法能以较快的速度搜索到函数的全局最优解,并且解的波动性很小、解的质量很高.因此可将该算法用来优化由本项目设计组设计的智能人工腿中的控制器.     

采用GEP编码的克隆选择算法实现函数建模

克隆选择算法是通过选择优良个体并进行大量克隆,继而高频变异实现演化的.为选择优良个体,通常对种群按照个体的适应值进行排序.然而,GEP编码具有一个特点,即适应值相同的染色体,它们的编码不一定相同.如果按适应值进行排序时允许出现重复值,那么,当种群中出现多个相同的超级个体时,其将被超量克隆,使种群趋向单一.如果按适应值进行排序且不允许出现重复值,将会错失一些适应值相同但编码不同的优良个体,从而影响收敛速度.为保持种群的多样性,提高收敛速度,对克隆选择算法进行改进:选择若干个编码不同的优良个体进行克隆,即先对种群按照适应值进行降序排序;若适应值相同再比较其编码,相同编码的多个个体只保留一个.通过函数建模的若干实验表明,改进后的算法有较快的收敛速度.     

一种克隆选择算法的收敛性分析

针对目前的免疫算法很少涉及分析其理论模型和收敛性的问题,就免疫算法中的一种克隆选择算法提出了该算法的收敛性分析。分析过程主要分为两步：首先利用马尔可夫链建立了这种克隆选择算法的马尔可夫模型,然后在此模型的基础上进一步分析了该算法的收敛性。分析结果从数学的角度证明了该算法是收敛的。为该算法进一步的完善、实用提供了一定的理论基础。     

基于多模态函数优化的改进克隆选择算法

文章分析了deCastro和VonZuben在2002年提出的用于多模态函数优化的克隆选择算法(CLONALG)的不足,并且运用小生境技术、记忆方法、梯度法和相似性抑制法对该算法进行了改造,提出了小生境克隆选择算法(NCSA)。利用马尔柯夫链为数学工具,从理论上证明了NCSA的完全收敛性(CompleteConvergence)。该算法与CLONALG进行了仿真比较实验,不仅验证了NCSA理论上的完全收敛性结论,同时验证了所提算法对于求解多模态问题更为有效,且具有很好的稳定性。     

一种用于优化计算的自适应免疫算法

基于生物免疫系统中的学习机理,提出了一种新的优化算法———自适应免疫算法。算法包括选择、扩展和突变操作,扩展和突变操作分别在解空间中局部和全局范围内搜索最优解。定义了选择比例、扩展半径和突变半径三个新的算法参数,并提出了根据群体的多样度自适应调节算法参数的方法,以提高算法的全局寻优性能。对TSP问题的仿真验证了该算法的有效性。     

一种基于接种疫苗的克隆选择算法?

对生物医学中的疫苗及接种疫苗技术进行抽象与建模,分别提出疫苗及相关概念、疫苗自动获取算法和接种疫苗算法。将上述算法与一般克隆选择算法结合,实现对其的改进。分析改进算法的计算效率和时间复杂度,改进后的克隆选择算法被用于模式识别。实验结果表明,基于接种疫苗的克隆选择算法能够加快收敛速度。     

拈轻怕重 时尚便携本本精选

俗话说，一年之计在于春，为了让自己在新的一年里取得更加出色的成绩，上班族们顾不上陶醉于春天的美好景色，都已经开始了忙碌的工作。如何让自己的工作做得更得心应手呢，对于许多朋友来说，购买一台笔记本绝对是大为有益的。