基于免疫算法的无向排列的反转排序问题

提出一种基于免疫算法的无向排列的反转排序的方法,将一种免疫算子加入到遗传算法的框架中,通过对个体接种疫苗来进一步提升个体的存活能力.数据实验的结果表明,该算法性能优于Christe提出的3/2-近似算法.     

混沌量子免疫算法

利用混沌搜索的遍历性和量子计算的高效性,提出一种用于连续空间优化的混沌量子免疫算法。用量子位编码初始群体,用量子旋转门实现个体更新。在量子旋转门中引入两种幅值不同的混沌变量改变转角的大小,小幅值混沌变量用于优良个体的克隆扩增,实现局部搜索;大幅值混沌变量用于较差个体的突变,实现全局优化。证明了算法的收敛性。实验表明,该算法能显著改善免疫优化算法的搜索能力和效率。     

SIGA:一种新的自适应免疫遗传算法

为了克服传统遗传算法收敛速度慢和容易陷入局部最优的不足,提出了一种新的自适应免疫遗传算法SIGA（Self-adaptive Immune Genetic Algorithm）。新算法对遗传算子进行改进,提出了自适应交叉和变异算子,保证了种群多样性和防止早熟现象发生;为了使免疫算子兼顾个体多样性和提高种群个体适应度的水平,提出了基于相似性矢量距离的免疫选择算法。实验表明,与传统的遗传算法和免疫算法相比,该算法收敛速度提高了3～90倍,求解精度达到10^-3,并有效地抑制了早熟现象。     

基于免疫算法的光组播最少网络编码链路研究

最少网络编码链路数目有利于控制光网络的复杂性,并获得最大网络吞吐量.提出一种基于免疫算法解决最少网络编码链路问题的算法,修正了反映个体优秀程度的适应度函数以保护次优备选网络编码链路不被淘汰,增加了一个反映网络编码链路概率的个体浓度函数以确保备选编码链路的多样性,同时,算法通过对选中的编码链路采用精英保留策略简化免疫过程...     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。     

基于混沌免疫进化算法的汽车主动悬架控制策略研究

提出一种基于混沌免疫进化算法的1/4汽车主动悬架控制方法.在免疫进化算法的基础上,利用混沌运动的特点,对初始种群混沌初始化,且根据个体评价值对群体进行不同幅度的混沌载波,既可保护优秀个体,又可进行遍历搜索,跳出局部极小值,达到快速寻优的效果.仿真结果表明:与免疫进化控制比较,采用混沌免疫进化控制,汽车的平顺性和安全性得到了更好的改善.     

用模糊选择法提高进化算法的效率

提出了进化算法中选择优良个体的一种方法－模糊选择法。这种方法通过对个体的适应度进行模糊化处理，实现对优良个体选择。基于模糊选择法的进化算法应用于曲线回归和极值求解。结果表明，该方法是一种有效的优良个体的选择方法，它能显著地提高进化算法的效率。     

一种新的自适应免疫遗传算法

 为了克服传统遗传算法收敛速度慢和容易陷入局部最优的不足,提出了一种新的自适应免疫遗传算法SIGA(Self-adaptive Immune Genetic Algorithm)。新算法对遗传算子进行改进,提出了自适应交叉和变异算子,保证了种群多样性和防止早熟现象发生;为了使免疫算子兼顾个体多样性和提高种群个体适应度的水平,提出了基于相似性矢量距离的免疫选择算法。实验表明,与传统的遗传算法和免疫算法相比,该算法收敛速度提高了3~90倍,求解精度达到10^-3,并有效地抑制了早熟现象。     

改进的混合免疫算法在约束函数优化中的应用

根据免疫算法多样性保持能力不足、易陷入局部最优等缺点,提出一种改进的混合免疫算法(improved hybrid immune algorithm,IHIA),将其与函数相结合,用于解决约束函数优化问题。采用个体字符串编码,通过信息熵法计算抗体亲和度,进而得到浓度。在混合免疫算法中提出克隆选择算子、可变阈值选择算子、郭涛精英变异和自适应变异概率算子等。研究结果表明:该算法提高了种群多样性和收敛性,减少了时间复杂度,提高了计算效率。     

一种基于免疫原理的多种群 DNA 遗传算法

针对单种群遗传算法易陷入局部最优、多样性丧失快等问题,提出一种基于免疫原理的多种群DNA遗传算法。在多种群协同进化的基础上,将DNA计算思想引入到编码和遗传操作算子的设计中,通过模拟生物机体的免疫机制对遗传进化过程中个体的产生和选择过程进行自适应调控,并利用优良个体的迁移实现种群间信息交流。最后,通过函数优化实验测试算法的性能。仿真结果表明,算法在发掘全局最优个体、局部搜索能力方面表现优越。     

用模拟退火算法求解无向排列的反转排序问题

分子生物学中基因元方向的反转基因组重排问题在数学上已被证明是一个NP-难问题。目前，较好的算法是Christie(2001)的3／2-近似算法，本文给出一种适合于计算基因元方向的反转基因组重排问题的模拟退火算法，定义了解的邻域结构，数据实验的结果表明该算法性能优于3／2-近似算法。     

标号基因组间重组距离的一个线性时间算法

考虑的基因组的进化基于两种形式：基因组中染色体之间的移位(translocation)和染色体内部的翻转(reversal)．研究了标号基因组间的重组问题：求一个标号基因组进化成另一个标号基因组所需最少数目的移位和翻转，这个数目叫做重组距离．给出了求“共尾”标号基因组间重组距离的一个线性时间算法，从而改进了Hannenhalli和Pevzner的O(n^2)算法，其中n是基因组中基因的个数．     

An Improved Genetic Algorithm for Problem of Genome Rearrangement

In view of the fact that the problem of sorting unsigned permutation by reversal is NP-hard, while the problem of sorting signed permutation by reversal can be solved easily, in this paper, we first transform an unsigned permutation of length n,π （π1 ,… ,πn）, into a set S（π） containing 2^n signed permutations, so that the reversal distance of π is equal to the reversal distance of the optimal signed permutation in S（π）. Then analyze the structural features of S（π） by creating a directed graph and induce a new computing model of this question. Finally, an improved genetic algorithm for solving the new model is proposed. Experimental results show that the proposed model and algorithm is very efficient in practice.     

RNA-mediated epigenetic programming of a genome-rearrangement pathway

Genome-wide DNA rearrangements occur in many eukaryotes but are most exaggerated in ciliates, making them ideal model systems for epigenetic phenomena. During development of the somatic macronucleus, Oxytricha trifallax destroys 95% of its germ line, severely fragmenting its chromosomes, and then unscrambles hundreds of thousands of remaining fragments by permutation or inversion. Here we demonstrate that DNA or RNA templates can orchestrate these genome rearrangements in Oxytricha, supporting an epigenetic model for sequence-dependent comparison between germline and somatic genomes. A complete RNA cache of the maternal somatic genome may be available at a specific stage during development to provide a template for correct and precise DNA rearrangement. We show the existence of maternal RNA templates that could guide DNA assembly, and that disruption of specific RNA molecules disables rearrangement of the corresponding gene. Injection of artificial templates reprogrammes the DNA rearrangement pathway, suggesting that RNA molecules guide genome rearrangement.     

一修路问题的算法解决分析

对一个具体修路问题进行研究，引出全排列算法．具体介绍了几种全排列算法：字典序法、递减进位制数法、邻位对换法，然后比较几种算法选择优化其中一种算法实现解决问题．     

多目标激光反导决策的动态置换算法

多目标激光反导决策优化是激光反导系统的关键技术,其本质上是一个动态最短路问题,但是目前对于寻求该问题的全局最优解存在很多困难,特别是当目标个数大于6时,很难获得全局最优解。针对多目标激光反导决策优化问题引入了一种动态置换算法,包括邻近置换和对称置换,其中邻近置换是在原有解的基础上进行微调,容易进入局部最优解,而对称置换则可以进行大范围的搜索,有利于跳出局部最优解,从而增加了获得全局最优解的概率。以8个目标为例进行了仿真,结果表明所提出的算法比遗传算法收敛速度快。     

DES中关于扩散图的哈密顿环问题

讨论了DES中P置换的设计标准 ,通过构造一个P置换解决了AB图由哈密顿环构成的问题 ,纠正了AB图不能由哈密顿环构造的错误观点     

基于翻转和删除形式的染色体完美重组

研究了基于翻转和删除形式的染色体完美重组问题,并给出了多项式算法。     

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。     

基于Logistic映射的排列图软件水印方案

针对排列图编码鲁棒性较差的问题,提出使用Logistic映射生成软件水印的算法。根据版权所有者信息和合法用户信息生成初始值,通过Logistic映射计算混沌序列并生成水印信息。版权所有者随机生成排列图长度后将水印信息用排列图表示并嵌入宿主程序当中。提取排列图后,根据排列图相似度,在拓扑图受到攻击的情况下仍然可以证明版权。实验仿真证实该算法能够抵抗常见攻击,提高排列图的鲁棒性。