基于免疫机理和遗传算法的自适应入侵检测系统

随着网络入侵方法和网络计算环境的变化,入侵越来越难被检测和防范.本文针对当前入侵检测中存在的问题给出了一种基于生物免疫机制的入侵检测模型,利用遗传算法生成的疫苗种群不断更新抗体库使系统具有自适应和自学习的能力,最后通过仿真验证模型的检测性能。     

基于遗传算法的入侵检测技术的研究

在简要介绍入侵检测和遗传算法的基础上,给出了基于异常检测的训练算法模型。详细介绍了遗传算法的构造过程,包括染色体的构造以及选择、交叉、变异等操作,并予以简单实现。算法提高了入侵检测的效率,并能检测部分未知攻击。     

并行遗传算法的研究

在分析了解决组合优化问题所遇到的困难的基础上，引入遗传算法.进而提出基本遗传算法在解决数量级很大的组合优化问题上的缺陷，并详细介绍了遗传算法的三种并行模型，最后给出改进的并行遗传算法模型．     

交互式遗传算法的噪声及降噪策略

在交互式遗传算法中, 人对进化个体的评价含有噪声. 如何降低噪声对评价的不利影响, 至今没有有效的方法. 这严重制约了交互式遗传算法在复杂优化问题中的广泛应用. 本文首先针对交互式遗传算法中人评价个体适应值的不确定性和漂移性, 分析交互式遗传算法噪声的来源, 定义认知评价度和疲劳评价度, 给出交互式遗传算法的3阶段噪声模型; 然后, 给出基于个体海明距离的认知评价度和疲劳评价度刻画以及基于适应值可信度的降噪策略; 最后, 通过在服装设计中的应用实例验证噪声模型的正确性和降噪策略的有效性.     

基于快速模式匹配的分级检测模型

针对当前入侵检测系统中的一些问题,提出了基于遗传算法和扩张矩阵的规则生成方法以及分级检测的思想,给出了算法详细流程,建立了分级检测模型,并通过理论分析和实验验证了规则生成算法的有效性和检测模型的检测性能。     

基于免疫遗传算法的网格入侵检测模型

分析研究了网格安全的特点以及网格环境下的入侵检测技术,并针对传统入侵检测技术难以适应动态的网格计算环境等问题,根据生物免疫原理提出了一种基于免疫遗传算法的网格入侵检测模型.该模型采用了一种将免疫算法和遗传算法结合使用的混合算法,与标准遗传算法相比,该算法既保留了遗传算法随机全局并行搜索的特点,又在很大程度上避免了未成熟收敛,确保快速收敛于全局最优解;算法具有较好的效率和收敛性,提高了该模型的多样性和自适应性.     

基于遗传算法的分支覆盖测试用例设计

软件结构测试最棘手的就是测试用例的自动生成.本文将遗传算法引入分支覆盖测试用例的自动生成中,利用遗传算法的全局寻优优势,生成达到全部分支覆盖的测试数据.文中结合实例建立了基于遗传算法的模型,并给出了参数编码、交叉和变异等关键技术的实现代码.     

基于遗传算法优化SVM的嵌入式网络系统异常入侵检测

由于传统嵌入式网络系统入侵检测方法难以获得较高的检测精度,提出基于遗传算法优化的支持向量机(GA-SVM)的网络入侵检测技术.支持向量机分类器能够较好地解决少样本、高维、非线性分类问题.然而,支持向量机训练参数的选择对其分类精度有着很大影响,遗传算法能够同时优化支持向量机的训练参数,采用遗传算法进行支持向量机的训练参数同步优化.实验结果表明,这种遗传算法优化的支持向量机分类入侵检测模型有着很高的检测精度.     

一类含有随机和模糊参数的规划模型

提出一类模糊机会约束的随机期望值规划模型,该模型同时含有随机和模糊参数.对改进的“报童问题”进行的分析,说明了模型的合理性.运用随机模拟与模糊模拟相结合的技术,给出了求解该规划模型的遗传算法.并对改进的“报童问题”进行了数值求解,同时给出了其它数值例子,进一步说明了所给出模型的适用性和有效性.     

基于遗传算法的网络入侵检测方法研究

针对目前大多数入侵检测系统存在的局限性,依据通用入侵检测框架提出了一种利用遗传算法的入侵检测模型,分析了入侵模糊特征、模糊神经网络的学习优化问题。给出了此模型中模糊神经网络模块的训练算法。仿真实验结果表明该检测算法可以有效地进行入侵检测,检测效率达到92%以上。     

基于改进遗传算法的反舰导弹协同任务规划

在进行协同任务规划时应同时考虑协同航路规划和任务分配这两个问题,合理选择进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标。针对这一问题提出了目标分配及协同航路选择的优化模型,并且给出了编码结构;针对遗传算法存在的不足,提出了一些改进;然后采用改进的遗传算法对协同任务规划模型进行了仿真验证。仿真结果表明该方法可以有效地规划出协同航路。     

文件传输的遗传算法优化研究

给出了文件传输问题的边着色模型。遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行的、随机搜索算法，具有自适应性。为了求解文件传输问题，文章在引入一种新的自适应性的交换概率和变异概率的基础士，提出了一种面向求解文件传输问题的遗传算法。提供了遗传算法的结构并讨论了遗传算子。本文给出了一个例子说明算法的收敛性和收敛效率，仿真结果表明了算法的有效性。     

一种基于遗传算法的软件测试用例生成新方法

建立了一个基于遗传算法测试用例生成的系统模型,在该模型下通过分支函数插装的方法构造遗传算法所需的评价函数并针对软件测试用例生成问题的特点对传统遗传算法进行了改进;最后,给出了一个实例并分析了实例的执行情况。     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

基于块同步模型的并行遗传程序设计方法

采用并行计算方法可以有效避免遗传程序设计执行周期长的缺点。在分析遗传程序设计原理及块同步并行计算模型的基础上,以Linux多处理机系统为物理平台,实现了基于粗粒度并行模式的遗传程序设计方法,并对人工蚂蚁问题求解时处理机数与进化代数的关系进行统计和分析,实践表明采用并行计算模式可以更快的获得最优解。     

基于遗传算法的投资优化问题应用研究

遗传算法是模拟自然界生物进化过程的计算模型，文中讨论了遗传算法在企业投资规划中的应用，给出了遗传算法解决投资规划问题的计算机仿真实例。     

基于遗传算法的B样条曲线和Bézier曲线的最小二乘拟合

考虑用B样条曲线拟合平面有序数据使得最小二乘拟合误差最小.一般有两种考虑,一种是保持B样条基函数的节点不变,选择参数使得拟合较优.参数的选择方法包括均匀取值、累加弦长法、centripetal model、Gauss-Newton迭代法等.另一种则是先确定好参数值(一般用累加弦长法),然后再用.某一算法计算出节点,使得拟合较优.同时把两者统一考虑,用遗传算法同时求出参数、节点使得拟合在最小二乘误差意义下最优.与Gauss-Newton迭代法、Piegl算法相比,本方法具有较好的鲁棒性(拟合曲线与初始值无关)、较高的精度及控制顶点少等优点.实验结果说明采用遗传算法得到的曲线逼近效果更好.用遗传算法对Bezier曲线拟合平面有序数据也进行了研究.     

遗传算法在T—S模糊模型辨识中的应用

给出了Ｔ－Ｓ模糊模型的一种模糊神经网络实现方法。提出了采用遗传算法优化网络参数，实现了Ｔ－Ｓ模型的辨识。给出了参优化的详细过程，并用仿真实例证实了 这种方法的有效性。成功地将神经网络，模糊逻辑与遗传算法融合于一个系统中。     

一种可自适应调节参数的改进遗传算法

针对遗传算法在复杂问题应用中收敛速度十分缓慢的不足，本文引入收敛性因子和进程因子对种群进化的交叉概率和变异概率进行自适应调节，提出了可自适应调节参数的改进遗传算法．该算法很好地增强了遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

Modeling rolling batch planning as vehicle routing problem with time windows

This paper considers the rolling batch planning problem of grouping and sequencing a given set of slabs into several rolling units in iron and steel industry. The existing mathematical methods often used for the problem are traveling salesman problem (TSP) and vehicle routing problem (VRP), but these methods are not precise, because the position limitation of some slabs in a rolling unit scheduling is not considered. Therefore we suggest a new model, vehicle routing problem with time window (VRPTW) to describe the rolling batch planning problem, in which the position limitation of slabs are quantified as the time constraints. Several solution methods including the genetic algorithm are presented for solving the problem and the computational results show that the genetic algorithm is superior to other methods.In this paper, the vehicle routing problem with time window (VRPTW) of combinational optimization is used to analyze and model the rolling batch planning problem. Genetic algorithm and heuristic are used to solve the problem. Simulation results based on the actual production data show that this model is precise and the genetic algorithm based method is very promising.