共查询到19条相似文献,搜索用时 203 毫秒
1.
针对现有免疫算法在抗体的评价形式和记忆库使用灵活性上存在的不足,提出一种改进的基于距离浓度的免疫算法,引入暂时解集,通过动态循环评价、促进和抑制,更客观地对抗体群体进行更新,加快免疫算法在后期的收敛速度.最后,用Markov链描述了该算法,并证明算法的收敛性. 相似文献
2.
针对现有免疫算法在抗体的评价形式和记忆库使用灵活性上存在的不足,提出了一种改进的距离浓度免疫算法.该算法采用实数编码,并引入了B细胞的概念,将B细胞对应于问题的解,抗体对应于解的适应度函数,采用距离浓度策略控制抗体的数量,同时在算法过程中动态使用记忆库.仿真实验结果表明,该算法编码形式灵活,计算过程简捷,能有效保证抗体在解空间的多样性,提高了寻优的收敛速度和从局部最小中逃逸的能力. 相似文献
3.
一种免疫记忆动态克隆策略算法 总被引:5,自引:0,他引:5
基于对克隆选择及免疫记忆动态过程的模拟,本文提出了一种人工智能算法,免疫记忆动态克隆策略算法,该算法模拟免疫系统的自我调节、记忆学习、自适应等机制,实现全局优化计算与局部优化计算机制的有机的结合,通过抗体与抗原的亲合度和抗体间亲合度的计算,促进和抑制抗体的产生,自适应地调节抗体群和记忆单元的克隆规模.理论分析证明该算法以概率1收敛,对多峰函数优化及货郎担问题的仿真试验表明,算法有效,而且具有全局搜索能力强,种群多样性好及收敛速度快等特点. 相似文献
4.
基于免疫算法的车辆路径优化问题 总被引:4,自引:1,他引:3
分析了车辆路径问题的研究方法和免疫算法相对于其它进化算法的优势,提出了用免疫算法求解车辆路径问题的方法。在算法的求解过程中,构造了一种新的编码方式,在减少编码长度的基础上能够提高算法的运行效率。通过免疫记忆库的设计以及抗体之间浓度的促进和抑制机制,本算法可以实现解的多样性,避免收敛于局部最优解,同时可以有效地防止在进化的过程中失去最优解的可能性。实验结果表明,本算法可以快速求得优化解,是求解车辆路径问题的一种有效算法。 相似文献
5.
基于生物免疫系统克隆选择机理和独特型免疫网络理论,提出了一种新的免疫算法——克隆选择调节算法(CSAA).其主要特点是在克隆选择算法的基础上,引入了抗体的促进与抑制动态调节思想.通过运用自适应柯西变异、免疫记忆和克隆抑制等机制,该算法更好地保持了种群的多样性,提高了全局收敛的速度,从而有效避免了早熟现象.本文利用随机过程理论作为数学工具,采用纯概率方法证明了CSAA的概率弱收敛性.对该算法与其他克隆选择算法进行了仿真比较实验;仿真结果不仅验证了CSAA理论上的概率弱收敛性结论,同时也表明了该算法在求解多模态函数优化问题时具有更好的收敛性能和稳定性,更为有效可行。 相似文献
6.
双态免疫优势蚁群算法及其在TSP中的应用研究 总被引:1,自引:0,他引:1
通过分析标准蚁群算法易于出现早熟停滞现象,该文提出一种高效收敛的算法-双态免疫优势蚁群算法.该算法将蚂蚁分成两种状态,扩大了解的搜索空间,有效抑制了收敛过程中的早熟停滞现象,将禁忌表中的抗体通过克隆扩增、高频变异等免疫算子操作得到精英蚂蚁,再对抗体记忆库引入局部最优免疫策略.针对TSP实验结果表明:该算法与最新的改进蚁群优化算法相比,其收敛速度及求解精度均得到了提高. 相似文献
7.
根据生物免疫系统的免疫网络调节机理,提出了一种新的自适应免疫进化算法.该算法按照抗体激励水平进行选择操作;同时建立优秀抗体记忆库,并采用种群自适应调节策略,保持了进化抗体群的多样性.试验表明,该算法比标准遗传算法的收敛性能好,能有效避免遗传算法种群多样性保持能力不足和早收敛的缺点. 相似文献
8.
9.
自适应免疫克隆粒子群算法的地震波阻抗反演 总被引:1,自引:0,他引:1
针对粒子群优化算法应用于地震波阻抗反演问题时易陷入局部极小值和计算量大的问题,提出一种自适应免疫克隆粒子群(AICPSO)算法。该算法引入免疫机制,根据个体浓度和适应值概率定义了个体置换算子,能够避免粒子群算法陷于局部极值。为避免由进化过程中大量相同抗体引起的算法退化现象,根据记忆库和抗体群不同的特性,采用自适应变异算子更新记忆库,而依据抗体浓度和亲和度更新下一代抗体群体。经数值模拟和实际波阻抗资料反演表明,该算法不依赖于初始模型,收敛速度快且结果可靠。免疫粒子群优化算法为解决地震波阻抗反演问题提供了一条可行途径。 相似文献
10.
混沌免疫优化组合算法 总被引:9,自引:0,他引:9
利用混沌迭代的遍历性和内在随机性。提出一种混沌免疫优化组合算法.该算法综合了免疫进化算法和混沌优化算法各自的空间搜索优势,将混沌变量加载于免疫算法的变量群体.利用混沌搜索的特点对记忆库群体进行微小扰动,并逐步调整扰动幅度.实验结果表明,该算法能明显改善免疫进化算法的收敛性能,搜索效率也得到了显著提高. 相似文献
11.
12.
随着多媒体通信业务的迅速发展,为了高效地解决多媒体通信中的Qos组播路由问题,提出了一个新的组播路由免疫算法。该算法是根据人或者其它高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将问题的解作为抗体,依据抗原与抗体之间的亲和力以及抗体之间的亲和力对解进行评价和选择,通过抗体之间的相互激励来提高最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。仿真试验表明,该算法不仅有效可行,而且能够迅速逃出局部最优解,并很快收敛到全局最优解。 相似文献
13.
14.
一种基于人工免疫原理的混合聚类算法 总被引:1,自引:0,他引:1
通过借鉴生物免疫系统中的克隆选择原理和记忆机制,提出了一种基于人工免疫原理的混合聚类算法.该算法引入了记忆抗体的分化和抑制机制,可有效地摆脱局部最优点;同时还集成了K-均值搜索算子,用于加快收敛速度.与K-均值方法比较,其具有更快的收敛速度和更高的收敛精度.仿真结果表明,所提算法是有效的. 相似文献
15.
Qingzheng Xu Lei Wang Jing Si 《Engineering Applications of Artificial Intelligence》2010,23(4):495-504
For the problem of indeterminate direction of local search, lacking of efficient regulation mechanism between local search and global search and regenerating new antibodies randomly in the original optimization version of artificial immune network (opt-aiNet), this paper puts forward a novel predication based immune network (PiNet) to solve multimodal function optimization more efficiently, accurately and reliably. The algorithm mimics natural phenomenon in immune system such as clonal selection, affinity maturation, immune network, immune memory and immune predication. The proposed algorithm includes two main features with opt-aiNet. The information of antibodies in continuous generations is utilized to point out the direction of local search and to adjust the balance between local and global search. PiNet also employs memory cells to generate new antibodies with high affinities. Theory analysis and experiments on 10 widely used benchmark problems show that when compared with opt-aiNet method, PiNet algorithm is capable of improving search performance significantly in successful rate, convergence speed, search ability, solution quality and algorithm stability. 相似文献
16.
借鉴人工免疫系统的记忆、动态识别等功能,提出一种约束动态免疫算法(CDIOA),并用于高维约束动态背包问题的求解。通过随机约束选择策略选择可行及非可行抗体,非可行抗体参与群体的进化;利用抗体修正策略确保进化群中有一定比例可行抗体,提高算法搜索功能;设计环境识别模块判断环境变化与否,建立环境记忆池保存较优秀记忆细胞,记忆细胞参与相似(相同)环境初始群的产生,加速算法在相似环境搜索速度。建立三种不同环境的动态背包问题作为标准测试实例,将CDIOA与已有的四种动态优化算法进行测试比较,结果表明:CDIOA对各测试问题在不同环境表现出较好的收敛性能,在相似环境能快速跟踪最优值。 相似文献
17.
基于自适应免疫进化算法的逻辑电路设计* 总被引:1,自引:1,他引:0
针对现有进化算法在进行逻辑电路设计时存在的进化缓慢和容易陷入局部解等问题,提出一种自适应免疫进化算法(adaptive immune evolutionary algorithm,AIEA)。该算法引入了免疫记忆机制和抗体差异调节算子,能够很好地保证个体的多样性,有利于跳出局部最优解;通过采用自适应交叉率和变异率,提高了算法的搜索能力和收敛速度。通过与多目标进化算法(MOEA)、简单免疫算法(SIA)的实验比较,证明了该自适应免疫进化算法的有效性。 相似文献
18.
19.
通过对传统免疫算法的研究,在此算法的基础上提出了一种改进的免疫算法一基于遗传的免疫算法,该算法把遗传算法的思想引入到免疫算法中.通过把遗传算法和免疫算法的思想结合起来,既保证了抗体的多样性又保留了群体中较优抗体,避免了免疫算法搜索速度慢和遗传算法易出现未成熟收敛、限于局部最优解的缺点,得到了全局最优解。并且将提出的基于遗传的免疫算法应用到函数优化中。 相似文献