基于混合优化策略的微分进化改进算法

微分进化算法具有控制参数少、鲁棒性强、易于使用等优点，并具有不同的优化策略．本文在对微分进化算法各优化策略性能进行分析的基础上，提出了基于混合优化策略的微分进化改进算法．改进算法的主要思想是将种群中的个体随机地分成两组，每组采用不同的优化策略．利用五个标准的优化算法测试函数对改进算法的收敛速度和搜索成功率进行了测试，并与动态微分进化算法和微粒群算法进行了比较．实验结果表明，本文提出的改进算法在保证算法搜索成功率的同时，大大提高了算法搜索效率．     

一种社会网络搜索免疫优化算法

社会网络搜索免疫优化算法是在社会网络体现出强大的信息搜索及传播能力的基础上，进一步提出的一种较为新型的免疫优化算法。本课题笔者在分析社会网络搜索与免疫克隆选择算法的基础上，进一步对基于社会网络搜索模型的免疫优化算法进行了探究，希望以此能够对社会网络搜索免疫优化算法的了解提供理论依据。     

运动估计中一种基于分级搜索的快速菱形算法

文章在分析菱形算法的基础上，设计了一种区分出运动剧烈和缓慢的视频帧分析方法．在此基础上针对大部分的运动缓慢帧提出了一种新的搜索模板。实验结果表明，该方法同菱形搜索算法相比．可在基本不降低搜索效果的情况下极大的提高搜索效率。     

免疫遗传算法及其应用研究

遗传算法是一种导向随机搜索算法,具有较强的全局搜索能力.为克服遗传算法盲目搜索、收敛速度慢的缺点,文章提出了免疫遗传混合算法.利用求解问题特征对遗传算法的种群进行免疫接种,以提高搜索速度.为检验混合算法的效率,给出了经典TSP问题的混合算法.实验结果表明,混合算法具有收敛速度快、搜索精度高、稳健性强的特点.     

人工免疫算法在光交换网络分组调度中的应用

为改善光网络核心交换机的交换性能，提高网络传输速率，同时保证一定的服务质量，提出采用人工免疫算法来有效解决调度问题，并引进了生物免疫系统中的免疫应答，抗原记忆，接种疫苗，免疫选择等机制。与一些传统的算法做比较，发现免疫算法可有效提高全局搜索的效率及能力，以较快的速度得出最优解。     

改进遗传算法在DOA搜索中的应用

在对短时、低信噪比信号测向时。加权子空间测向算法（WSF）的统计性能优于Music,Esprit等测向算法,且可以对相干信号进行检测。但是因为算法实现涉及到非线性多维搜索。因此运算量很大。本文提出的改进遗传算法,是一种运算速度较快的加权子空间算法的实现算法。该算法将免疫算法引入遗传算法中,并与MVP算法相结合。解决了普通遗传算法（CGA）在DOA搜索中易早熟。后期搜索效率低的问题,拥有快速、全局的搜索能力。计算机仿真证明了该算法的有效性和鲁棒性。     

基于混合优化算法的正交多相码的设计

通过结合模拟退火算法的概率接受准则和蚁群算法的并行搜索，提出了一种有效的混合优化算法，设计出了具有良好自相关和互相关性能的正交信号组。混合算法弥补了模拟退火算法的搜索效率低和蚁群算法的容易陷入局部最小值的缺点，提高了全局搜索的能力。仿真结果表明，在搜索最优正交多相码方面该混合优化算法优于其他搜索算法。     

带局部增强算子的微分进化改进算法

微分进化算法具有鲁棒性强、易于使用、控制参数少等优点.但在搜索中存在一定的盲目性,搜索效率不高.本文通过引入局部增强算子,使种群中的部分个体在当前最优个体附近寻优,以加快算法的收敛速度.利用五个标准的优化算法测试函数对改进算法进行了测试,并与动态微分进化算法和微粒群算法进行了比较.算法分析和仿真结果表明,本文提出的改进算法大大提高了算法搜索效率.     

一种基于序贯相似性检测算法(SSDA)的加速算法

序贯相似性检测算法（SSDA）是针对传统模板匹配算法提出的一种高效的图像匹配算法．在该算法中引进了阈值,即模板与其覆盖下的搜索子图的像素差值的上限值．提出的基于SSDA的加速算法,是在此基础上．引入了模板与其覆盖下的搜索子图的像素差值的最低门限值．如果该最低门限值超过了阈值．则可以跳过该搜索子图．实验证明：该算法比传统的SSDA算法在速度上有所提高．     

图像压缩编码中运动补偿快速算法的探讨

本文在完成对现存的运动补偿算法进行理论分析的基础上，提出一种新的快速算法，这种算法具有简单性，可并行性、搜索次数减少等特点，它从编码效率，搜索次数，可并行性等方面的综合评价在已有算法中最优，并且，本文还对各种算法进行计算机仿真实验，之后给出实验结果，这一结果进一步证明新算法的优越。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题,提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优;随后通过改进的灰狼优化算法先后两次求解遍历顺序,引导机器人规划搜索路径与排除隐患点路径;最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障,逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高,验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。     

基于无线射频定位系统的网络拓扑优化

以遗传算法和免疫算法相结合的算法为研究手段,为无线射频网络的拓扑结构做了优化.这个设计在传统的遗传算法上加以改进,结合了遗传算法和免疫算法的优点,将免疫算法作为遗传算法的一个更新个体的算子,从而提高了遗传算法的搜索能力,使得网络拓扑的结果更加优秀.     

基于免疫--蚂蚁算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。     

基于人工免疫机制的RBF网络混合训练算法

基于人工免疫聚类机制和免疫进化算法,提出了一种新型的设计RBF网络的混合算法。该方法利用人工免疫聚类机制,根据输入数据集合自适应地确定RBF网络核函数的数量及其中心的初始位置。采用免疫进化算法训练RBF网络,进一步缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度。计算机仿真表明,这种RBF网络结构精简并具有较强的泛化能力。     

空间信息网络结构抗毁性优化设计

结合空间信息网络体系架构设计需求,提出了一种具有强抗毁性的空间信息网络结构设计方法。分析并选择自然连通度作为网络的抗毁性测度,提出了一种基于自然连通度的空间信息网络结构优化模型,设计了一种具有免疫审查的人工免疫算法并进行模型求解。仿真实验表明,在链路失效模式和节点失效模式下,优化设计的空间网络与典型空间信息系统相比具有更好的网络结构抗毁性与顽健性。     

人工免疫思维进化算法的设计

文中提出一种人工免疫思维进化算法,此算法在免疫系统优化机理的基础上吸取了思维进化算法中的优点,提出了趋同半径和异化半径的概念,实现了免疫算法中抗体的局部和全局寻优,并且给出了一种基于矢量距的概率选择方法。同时,本文描述了算法的具体实现步骤,证明了算法的收敛性,给出了仿真实验。实验结果表明,新算法有机地结合了人工免疫算法和思维进化算法的优点,具有不易陷入局部极值,解的精度高,收敛速度快等特性。     

智能优化技术的免疫算法研究

介绍了最优化理论中智能技术的发展及免疫计算模型，对基于人工免疫的智能优化方法进行了讨论。最后通过实例说明了免疫计算求解优化问题的实现。     

基于改进人工免疫算法的TDOA定位估计

采用最大似然估计方法解决TDOA定位估计问题可以避免已有算法的缺点,适用性更强,但必须解决由此产生的非线性优化问题。人工免疫算法是一种模拟自然免疫系统功能、收敛性能较好的新兴智能方法,针对TDOA定位估计问题对人工免疫算法进行了改进,采用浮点数编码,避免了二进制编码所必须的编解码过程;并采用轮盘赌策略克隆亲和度较高的抗体,并控制抗体以不同变异率变异,提高了收敛速度和性能,改进了免疫算子。针对TDOA估计问题,联合使用Chan算法和人工免疫算法,可以取得较好的定位精度,提高收敛速度。仿真结果表明,在保证抗体数量的情况下,该算法性能稳定,并能以较快的速度收敛到全局最优解,相对于Chan算法精度更高。     

基于免疫算法的E面波导分支耦合器优化技术

免疫算法结合“熵”的概念,采用基于浓度的选择机制,既鼓励适应值高的个体,又抑制浓度高的个体,从而保证了算法的收敛性及解群体的多样性.使用免疫算法结合有限元数值计算方法优化E面波导分支耦合器,通过和现有的优化设计算法作比较,表明了基于免疫算法的微波电路优化设计具有高效性和精确性.     

A novel membrane-inspired multiverse optimizer algorithm for quality of service-aware cloud web service composition with service level agreements

Cloud computing is an emerging technology in computing that provides different services over the Internet. It needs composite services to perform a complex task. Optimal selection of services that provides both functionality and nonfunctionality requirements is an NP-hard problem. This study uses nondeterministic parallel and distributed structures of membrane systems for the recently improved multiverse optimization algorithm to improve the quality of solutions. In the previous membrane-inspired algorithm, the population was divided into subpopulations that evolve different dynamic membranes. This study not only uses a conventional membrane-inspired approach to introduce a conventional membrane-inspired multiverse optimizer (CMIMVO) for the first time but also proposes an algorithm that divides the variables (dimension) into subgroups for different membranes called proposed membrane-inspired multiverse optimizer (PMIMVO). Thus, in PMIMVO, each membrane works on a subgroup to gain global information, which considers the best values obtained by other membranes for other variables. The PMIMVO shows promising results on benchmark function problems. Furthermore, simulation results show that the PMIMVO approach could achieve up to 38% improvement in integrated quality of service (QoS) with attributes including response time, price, availability, and reliability in comparison with the previous approaches, including genetics algorithm (GA), particle swarm optimization (PSO), gravitational search algorithm (GSA), moth–flame optimization (MFO) improved multiverse optimizer (MVO), and CMIMVO.