改进人工免疫算法的分析研究

详细分析了人工免疫算法(AIA)基于信息熵计算抗体浓度存在的缺点,提出了三种新的浓度计算方法。分析了基于新的浓度计算方法的各种改进的人工免疫算法的收敛性。对两种变形大海捞针类函数的优化结果表明,改进的人工免疫算法较传统的人工免疫算法有较大的优越性。     

新的采用球面杂交的克隆选择算法*

针对传统克隆选择算法的不足,提出了一个基于球面杂交的新型克隆选择算法。在该算法的每次迭代过程中,动态地计算出每个抗体的变异概率,根据抗体的亲和度将抗体种群动态分为记忆单元和一般抗体单元,并以球面杂交方式对种群进行调整,从而加快了算法的全局搜索速度。实例验证了所提算法的有效性、可行性。     

基于球面杂交的自适应动态克隆选择算法

在克隆选择算法搜索函数最优解问题的研究中,针对传统自适应动态克隆选择算法收敛速度慢、精度低以及种群多样性低的缺点,提出了一个基于球面杂交的自适应动态克隆选择算法。新算法采用浮点数编码方式,在每次迭代过程中,首先根据抗体的亲和度动态计算出每个抗体的变异概率,然后根据亲和度大小将抗体种群动态分为记忆单元和一般抗体单元,并采用球面杂交方式对种群进行调整,提高了算法的收敛速度和求解精度。实例验证了所提算法的有效性和可行性。     

基于球面杂交的动态自适应克隆选择算法

基于球面杂交策略,提出一种动态自适应克隆选择算法。在该算法的每次迭代过程中,动态地计算出每个抗体的变异概率,根据抗体的亲和度将抗体种群分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整,从而加快算法的全局搜索速度。实例验证了该算法的有效性、可行性。     

并行自适应动态克隆选择算法

提出了一个并行自适应动态克隆选择算法。在算法的每次迭代过程中,首先动态地计算出每个抗体的变异概率,然后根据抗体的亲和度将抗体种群动态分为记忆单元和一般抗体单元,紧接着以球面杂交方式对种群进行调整,从而加快了算法的全局搜索速度。同时,针对算法计算量大、耗时长的缺点,结合已有的并行计算技术,构造出了算法的并行计算方法。实例验证了所提并行算法的有效性、可行性。     

采用种群划分的动态自适应免疫克隆选择算法

为了克服传统免疫克隆选择算法的种群缺乏多样性、抗体选择不具随机性的缺点,提出了一种新型动态自适应免疫克隆选择算法。在该算法求解过程中,根据抗体的亲和度将抗体种群动态地分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整并动态修正每个抗体的变异概率,从而保障了群体多样性,加快了算法的全局搜索速度。实例验证了所提算法具有较好的性能。     

克隆选择算法分析及其改进的研究与应用

克隆选择算法被广泛应用到各个领域,为解决DeCastro克隆选择算法中存在的一些问题:需要根据人为经验确定种群规模的大小、种群训练的时间比较长、多峰搜索能力相对较弱,对其进行进一步的改进,运用新的克隆选择、克隆变异和最佳亲和度,并引入了抗体抑制操作,可动态确定种群大小,使算法具有较强的全局和局部搜索能力,同时也可以搜索到全局最优点和尽可能多的局部极值点.简单仿真实验结果表明,该算法的平均运行时间和找到峰值点个数都明显优于DeCastro克隆选择算法     

人工免疫算法及其应用研究

为了有效地解决病态的约束优化问题,提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子,分析了算法的收敛性.人工免疫算法继承了遗传算法“优胜劣汰”的自我淘汰机制,但新抗体的产生方法比遗传算法中新个体的产生方法灵活得多.在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.100个城市TSP问题的仿真实例显示人工免疫算法比遗传算法具有更强的全局搜索能力和收敛速度.     

一种改进的人工免疫算法

简要介绍了遗传算法、人工免疫算法的工作原理。为了克服传统人工免疫算法存在的不足,该文提出一种改进的人工免疫算法,并利用Rosenbrock函数对3种算法进行了试验比较。实验结果表明,该文提出的改进的人工免疫算法较遗传算法、传统的人工免疫算法更为有效。     

一种自适应的人工免疫异常检测算法

提出了一种基于免疫的自适应异常检测算法SAIM,该算法通过对训练抗原的学习,形成最优的抗体对记忆细胞集进行进化和更新,通过记忆细胞集采用KNN方法投票进行异常检测。实验采用著名UCI机器学习数据库的Hepatitis标准数据集,获得的分类准确率为93.5%,与现有同类算法进行比较,SAIM所取得的准确率具有一定的优越性。     

遗传算法与人工免疫算法对车间调度问题求解

针对求解job-shop调度问题中存在的易出现局部最优、效率低下的问题,提出了一种新算法。该算法 采用了一种评价种群过早收敛标准的方法,引进了新的加快遗传算法进化速度的交叉算子,最后设计了人工免 疫算法中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和最后完工机器个体的接种方法。 通过实验证明该算法能够有效地解决易出现局部最优、效率低下等问题。     

基于人工免疫可更新簇聚类算法的研究

给出了一种基于人工免疫的可更新簇聚类算法。该算法在aiNet聚类算法的基础上,引入记忆抗体“年龄”的概念。模型学习过程中在抗体不断地与抗原接触时,超过“年龄”阈值的记忆抗体转化为一般抗体,以此达到聚类簇的更新。实验表明该算法是可行、有效的。     

人工免疫粒子群算法在系统可靠性优化中的应用

为了优化舰载装备系统在其设计初期的可靠性,根据模糊优选理论,建立了基于正负理想方案的可靠性分配的多指标模糊优化模型.针对基本粒子群(PSO)算法易陷入早熟状态以及群体缺乏多样性等不足之处,将人工免疫系统(AIS)原理与改进的粒子群算法有机结合,并对粒子的飞行速度进行控制,提出一种基于人工免疫的粒子群算法(AI-PSO).将该算法应用于系统可靠性优化求解中,仿真试验结果表明,相比其他算法而言,该算法具有较强的全局搜索能力,其优化结果更为合理.     

一种结合人工免疫的粒子滤波目标跟踪算法

针对传统的粒子滤波跟踪算法存在粒子退化的问题,提出了一种结合人工免疫的粒子滤波跟踪算法。该方法利用免疫学原理,将目标模板特征作为抗原,每个粒子对应区域的特征作为抗体,匹配问题转化为抗原和抗体的亲和力问题,通过克隆的方式保留亲和力大的抗体,采用变异的手段去除亲和力小的抗体,从而使结果快速收敛于全局最优解。抗体的多样性有效解决了传统粒子滤波的退化问题。将该方法应用到目标跟踪技术中,仿真结果表明,粒子集的有效样本得到了明显的提高。     

基于并行人工免疫算法的变精度属性约简

为了避免传统的人工免疫算法在属性约简时陷入局部最优解,提出了具有自适应特性的并行人工免疫算法,并且运用该算法进行粗糙集的变精度属性约简。该算法构造了趋同算子,异化算子和传优算子,利用“趋同”算子的分布性特点实现多个子种群的并行搜索,利用“异化”算子来交换种群之间优秀个体的信息,维持种群的多样性,利用“传优算子”把当前最优抗体分配到各个子群体当中,实现群体跨越式进化。在各个算子操作过程中,为了从准确度和覆盖度两方面来度量生成的规则集合的不确定性,引入了不确定量度HVPRS作为评价因子,并以此为依据,自动调整抗体的交叉概率和变异概率,使得算法不仅具有自适应的特性,而且所提取的规则集具有较高的覆盖能力和泛化能力。最后通过某发电厂发电机级故障诊断的实例,表明该算法获得的故障诊断规则集合具有较高准确度和覆盖度,满足了实际故障诊断中的要求。     

基于人工免疫的灰度图像多阈值自动分割

为了实现灰度图像的自动分类以及自动分割,提出了一种基于人工免疫及最优分类数的灰度图像多阈值自动分割方法.定义了灰度图像最优分类数目标函数;接着运用人工免疫算法,结合最优分类数函数对灰度图像进行自动分类,并产生最优的多阈值,从而使得图像的全自动分割成为可能.该人工免疫算法中,抗原是指最优分类数目标函数,而抗体是指最优的多阈值.通过实验证明,分类清晰,效果良好.     

半监督免疫克隆选择图划分方法

在聚类过程中利用一定量先验信息会显著提高聚类算法的性能。为了解决求解图谱划分方法NP难的问题并合理地利用一定量的先验信息,将成对限制信息引入到图谱划分方法中样本点的相似性测度,并在获得的相应的相似性矩阵的基础上,利用免疫克隆选择优化方法来优化图谱划分准则,提出了半监督免疫克隆选择图划分方法。USPS手写体数字集和UMIST人脸数据集识别的仿真实验证明了新方法的有效性。     

具有角色转换的自适应人工蜂群算法

提出一种具有引领蜂与跟随蜂动态协调机制的改进人工蜂群算法（DHABC）。根据优化函数的寻优状态,设计了引领蜂与跟随蜂动态角色转换机制,以更好地适应全局和局部搜索;为使算法能够更好地进行局部兼顾更大范围搜索,设计了引领蜂与跟随蜂间位置信息的共享方式;为提高算法的求解速度,设计了跟随蜂进化代数起始值的计算方法;通过仿真和比较实验,改进算法较其他ABC改进算法及其他智能优化算法既参数少,便于应用,又求解精度较高。