基于协同进化的免疫检测器分布优化算法

为解决免疫实值检测器的黑洞问题,分析检测器规模对检测性能的影响,提出一种基于协同进化的免疫实值检测器分布优化算法。将检测器集分成不同子集,寻找每个子集的最优个体,利用各子集问的相互作用与影响对各子集进行优化处理,取并集构成完整检测器集。实验结果表明,与否定选择算法相比,该算法不仅可以有效减少黑洞的产生,并且能以较少的检测器精确地覆盖非自体空间,从而提高检测器性能。     

基于变异的检测器生成算法研究

为提高基于免疫的网络入侵检测系统中检测器的生成效率,减小计算量.对Forrest的否定选择算法(NSA)进行改进,提出候选检测器集的生成不再采用随机方式,而通过对两个数据集(一是已有的合格检测器集,二是自我数据集)进行变异来产生,即利用部分已有的检测结果反馈生成成熟检测器.改进算法提高了候选检测器成为成熟检测器的比率,实验结果表明了算法的有效性.     

基于局部线性嵌入的免疫检测器优化生成算法

网络安全已上升到国家安全战略层面,入侵检测技术是其重要的组成部分,已得到广泛关注.在基于免疫的入侵检测研究中,针对传统实值否定选择算法不利于高效分析数据而造成的检测器生成速度慢、检测效率低等问题,引入局部线性嵌入算法,借鉴其能对高维数据进行映射降维的特点,提出一种基于局部线性嵌入的免疫检测器优化生成算法,利用局部线性嵌入对高维数据预处理优化降维,并结合实值否定选择算法生成检测器.将该算法用于检测模型,从而提升检测器的生成速率,并可保证生成的检测器高效地处理高维数据.该算法在降维前后可保证样本的局部线性结构不变,具有可变参数少、计算时间短的特点.实验结果表明,所提出算法在显著提高检测器生成速率和对数据检测效率的基础上,检测性能也表现出很好的水平.     

随机竞争策略在Monte Carlo算法中的性能分析

随机算法在组合优化问题中具有广泛的应用,Ｌａｓ Ｖｅｇａｓ算法和Ｍｏｎｔｅ Ｃａｒｌｏ算法是主要的两类随机算法,随机算法的性能和稳定性常常得不到保证,以往的研究针对Ｌａｓ Ｖｅｇａｓ算法提出了一种有效的性能改进策略－随机竞争策略,但其在Ｍｏｎｔｅ Ｃａｒｌｏ算法中的准确尚未被研究。文中研究了随机竞争策略对Ｍｏｎｔｅ Ｃａｒｌｏ算法性能和稳定性的影响,分析了使其效率大于１的条件,在求解ＴＳＰ问题时的     

自适应检测器生成算法研究

基于小生境策略的否定选择算法利用在搜索空间中计算检测器之间的海明距离,构建小生境;定义适应度函数与亲合力函数相关,更客观地反映检测器的检测能力;利用进化策略,进行遗传操作,而生成多样性和通用性的最佳检测器集.同时该算法可以减少生成检测器的时间开销.     

基于仿人机器人的Monte Carlo定位算法研究

针对RoboCup标准组比赛平台仿人机器人NAO定位的特殊问题,在研究通用Monte Carlo定位算法基础上,构建NAO的运动模型和感知模型。通过增加一组随机粒子,改进通用Monte Carlo定位算法,增强MCL算法对于定位失败及仿人机器人NAO被"绑架"问题的适应性。最后通过仿人机器人NAO的静态定位、动态定位以及被"绑架"后的定位实验,验证了算法的有效性和鲁棒性。     

壳聚糖分子链序列分布的Monte Carlo模拟

为了掌握不同脱乙酰度壳聚糖分子链上不同结构单元的序列分布以及不同糖苷键的相对含量,通过Monte Carlo方法, 对壳聚糖分子的序列分布进行了计算机模拟,求出了(GlcNac)i、(GlcN)i的数量分布,并求出了GlcNatc-GlcNac、GlcNac-GlcN、GlcN-GlcN糖苷键的相对含量及其关联式(均为DD≥55%):FA-A9=9.949 49-2.001 61×DD+O.010 02×DD2、FA·D= 0.336 29+1.996 44×DD-0.019 96×DD2、FD-D=-0.168 09+0.002 78×DD+0.009 97×DD2。结果表明,随着脱乙酰度的提高,(ClcNac)i和(GlcN),分布的差别越来越明显,并且(GlcNac)i分布越来越窄,而(GlcN)i的分布则越来越宽;GlcNac-Gl cNac糖苷键的相对含量(FA-A)、GlcNac-GlcN糖苷键的相对含量(FA-D)均随着脱乙酰度(DD)的增大而减小,而GlcN-GlcN糖苷键的相对含量(FD-D)则随着DD的增大而增大,但它们都不呈线性关系。通过与文献值对比,表明模拟具有很高的精度。该算法为壳聚糖降解动力学以及降解产物分子量分布的研究提供了相应的基础。     

免疫算法在模糊检测器生成中的应用

目前入侵检测中传统否定选择算法忽略了正常和异常模式之间的模糊界限而造成了检测效率低下,以及生成的检测器数量冗繁,用在非我模式识别时计算复杂度相当高.针对这些缺陷,重点研究了在入侵检测系统中定义模糊检测规则的重要性,并提出利用免疫算法的优化搜索性能来进化模糊检测器的方法.实验结果表明,该方法生成的检测器能够允许更简洁的自我和非我的表示方式,降低了检测规则的脆弱性,检测效果较好.     

自适应检测器生成算法研究

基于小生境策略的否定选择算法利用在搜索空间中计算检测器之间的海明距离,构建小生境;一个与亲合力函数相关的适应度函数的提出,能更客观地反映各检测器的匹配能力,即能更准确地反映检测器集合的检测能力;利用进化策略,进行遗传操作,而生成多样性和通用性的最佳检测器集.同时该算法可以减少生成检测器的时间开销.     

一种免疫克隆选择检测器优化算法

提出一个免疫克隆选择检测器优化算法,通过对原检测器中个体的抗体克隆、变异和克隆选择操作,实现对检测器分布状况的优化.仿真结果表明,该算法具有较快的收敛速度和较好的稳定性,优化效果也令人满意.     

一种采用混合检测器的入侵检测系统

传统的基于免疫的入侵检测系统采用低级别的二进制检测器,妨碍了有意义的知识提取,对Nonself空间的覆盖也不完备。对二进制Self集的确定和有效检测器的生成方法进行了改进,研究了实值否定选择算法,加入了实值检测器,构成混合检测器集合,在检测阶段对会话和数据包同时进行异常检测。实验结果ROC曲线表明有较高的检测率和较低的误报率。     

免疫入侵检测多目标优化克隆选择算法研究

免疫入侵检测理论中克隆选择是检测器进化的关键。传统克隆选择算法通过比较样本间的亲和力累加值筛选样本,该方法具有较低的时间复杂度,但也造成了检测器的高重叠,影响迭代效率。将检测器个体的筛选与进化转化为pareto最优解的求解过程,提出了多目标优化理论的检测器克隆选择算法。实验表明,检测器基数不变的情况下,该算法明显提升了每代种群在进化过程中的检测范围,精简了记忆检测器的数量,提高了检测阶段系统的检测率。     

一种改进的网络入侵检测器生成算法

在分析了现有检测器生成算法的基础上,针对阴性选择算法的缺陷,提出了IDANS算法（Improved Detection Algorithm based on Negative Selection,改进的基于阴性选择的检测算法）。该算法采用基因库进化等策略,提高了生成检测器的有效性和检测率,同时,引入协同信号机制有效识别误操作,从而大大降低虚警率。实验结果体现了该算法的有效性和检测的高效性。     

否定选择算法中一种改进的检测器集生成机制

为提高否定选择算法中检测器集的检测率,提出改进的检测器集生成方法。其主要针对检测器在检测边界元素时遇到的困境问题,把自体点和它的临近点一起作为自体区域,处理自体的泛化问题。给出算法的具体实现过程、优势分析,并通过人工合成数据集2DSyntheticData和实际Biomedical数据集对算法进行了验证。实验结果表明,本算法检测率较高,尤其可以有效检测到处于自体与非自体边界处的点,具有一定的优越性。     

基于多假设粒子群优化的蒙特卡罗定位算法

针对传统蒙特卡罗定位(MCL)算法在结构化相似环境中容易出现定位失败的问题,提出一种基于多假设粒子群优化的改进蒙特卡罗定位方法(MPSO-CL).以激光传感器的观测信息作为适应度函数,对MCL算法的采样粒子进行多假设粒子群优化更新,使得采样粒子向当前群体中多个最优粒子方向移动,从而使得粒子迅速收敛到后验概率密度分布取值较大的区域,实现了移动机器人高效精确自主定位.实验结果表明,MPSO-MCL算法克服了相似环境中定位的粒子匮乏问题,并且提高了定位的精确度.     

免疫算法在入侵检测模型中的应用研究

在对常见的免疫算法原理进行分析的基础上,采用阴性选择算法和r-连续位匹配算法,提出一种改进的免疫检测机制,建立一个新的入侵检测模型。新的模型主要采取三点措施:改进候选检测集的生成规则;降低检测器冗余;引入协同检测机制等。在入侵识别阶段,采用基于编辑距离的匹配规则,提高了检测效率。试验仿真表明,该模型可有效提高入侵检测系统的检测率,降低误警率。     

改进分布估计算法的协同优化研究

针对分布估计算法在问题求解过程中容易陷入局部最优的缺点,引入物理退火的思想,提出模拟退火的分布估计算法,其中退火温度以信息熵表示。然后以此为基础,面向多核处理器提供的并行计算能力,提出多量子分布估计的协同优化算法。仿真实验表明,该算法缩短了优化时间,提高了优化结果。     

基于免疫机制的入侵检测器生成的研究

为了提高基于人工免疫入侵检测系统中有效检测器的生成和检测效率,通过对传统检测器生成算法的研究,结合传统阴性选择算法和缩小检测器长度的方法,提出了一种新的检测器生成算法。实验证明该算法生成的检测器在保证了检测准确性的同时减少了检测所需的时间。     

基于分布估计蜂群算法的多用户检测器

为了提高二进制人工蜂群算法的全局探索能力,提出一种基于分布估计算法的二进制人工蜂群算法,并应用到最优多用户检测技术中,设计出基于分布估计二进制人工蜂群算法的多用户检测方案。该方案采用直接针对离散域的多维邻域搜索策略,加快了收敛速度,避免了连续域到离散域的转换,同时利用分布估计算法获得的全局统计信息产生候选解,提高了算法性能。仿真结果表明,与传统检测器相比,所设计检测器的收敛速度明显加快,误码率性能和抗远近效应能力显著提高。