一种改进的人工免疫算法在模糊Flow-shop调度问题上的应用

为了克服传统的遗传算法和人工免疫算法的不足,提出一种改进的人工免疫算法.此种算法在进行亲合力计算前利用生成的亲和度矩阵排除相似抗体,大大减少运算量.用此种改进的人工免疫算法优化寻优过程,研究了处理时间不确定并且具有不同交货期窗口的Flow-shop的提前/拖期调度问题.最后,仿真实验验证了算法的有效性.     

基于免疫遗传算法的TSP优化问题求解

在分析人工免疫系统的基础上提出一种改进的人工免疫算法——免疫遗传算法。文中介绍了该算法的基本步骤及特点,并对旅行商问题进行了仿真研究,与基本遗传算法进行了比较。结果表明所提算法能以较快的速度完成给定范围的搜索和全局优化任务,较标准遗传算法具有更强的全局搜索能力。     

人工免疫算法的改进

简要介绍了标准人工免疫算法的工作原理,为了克服其存在的不足,该文提出一种改进的人工免疫算法,并用多峰值函数对两种算法进行了比较.实验结果表明,该文提出的改进的人工免疫算法较标准人工免疫算法更为有效.     

一种求解TSP问题的改进人工免疫算法

TSP(旅行商)问题作为经典的组合优化问题,已经被证明是一个NP难题。文中提出一种基于改进的人工免疫算法的TSP求解方法。算法模拟了抗体的蛋白质多肽链结构、免疫系统的克隆选择机制以及浓度调节机制,使用了一种新的抗体间的相似性判断方法。另外,在算法的变异算子中还融合了贪婪算法。这些改进使得算法的搜索性能得到提高。实验结果表明与标准遗传算法相比,该算法全局搜索能力强、收敛速度快。     

改进的免疫遗传算法在优化问题中的应用

基于生物免疫系统原理,对人工免疫系统进行研究,提出了改进的免疫遗传算法.该算法的选择算子采用基于浓度和适应度的自适应式选择策略;引入免疫算子,抑制其优化过程中出现的退化现象.将改进的免疫遗传算法应用于TSP组合优化问题,仿真结果表明了该算法的有效性.     

一种改进的人工免疫算法在模糊Flow—shop调度问题上的应用

为了克服传统的遗传算法和人工免疫算法的不足，提出一种改进的人工免疫算法。此种算法在进行亲合力计算前利用生成的亲和度矩阵排除相似抗体，大大减少运算量。用此种改进的人工免疫算法优化寻优过程，研究了处理时间不确定并且具有不同交货期窗口的Flow-shop的提前／拖期调度问题。最后，仿真实验验证了算法的有效性。     

基于免疫遗传算法改进DFNN模型及其应用

针对动态模糊神经网络（DFNN）在进行预测应用时容易陷入“局部极值”的缺陷,提出一种改进方案。综合人工免疫算法和遗传算法的优点,用免疫选择优化遗传算法的进化策略,提出一种新的免疫遗传算法。将免疫遗传算法对模糊神经网络的学习算法进行改进,增强其学习能力和算法的稳定性。结合复杂性强的短期电价预测问题,采集美国PJM电力市场的实际数据作为样本数据,对免疫遗传算法改进DFNN进行实证研究。研究结果表明：与DFNN的预测结果相比,改进后的方法在同样的运算条件下,预测精度提高4．5％,而运算时间仅增加6．4s,说明基于免疫遗传算法对DFNN模型的改进效果较好。     

基于人工免疫网络的k-平均聚类算法的研究

以人工免疫网络理论结合k-平均算法,尝试了一种聚类分析的新的解决方案.对k-平均算法中每一次迭代求平均值来确定聚类中心的方式进行改进,采用人工免疫网络中克隆选择和变异机制对聚类中心进行操作,选取最优抗体作为下一次迭代的聚类中心,克服了k-平均算法中对孤立点敏感的缺点,从而大大减少了迭代次数.通过对4组标准数据的实验,结果表明,该算法具有很好的自适应性,收敛速度快,提高了聚类性能.     

一种TSP求解的人工免疫遗传算法

分析了旅行商问题的各种求解方法的优缺点，并使用了一种基于人工免疫的遗传算法来求解旅行商问题。这种算法在传统遗传算法的全局随机搜索基础上，借鉴人工免疫中抗体的多样性保持策略，大大提高了算法的群体多样性，避免了遗传算法的过早收敛和局部搜索能力差的缺点。     

用改进的人工免疫算法设计时滞滤波器系统

为了改善闭环系统的动态性能,设计了含有时滞滤波器的闭环系统.首先,描述了一类含时滞滤波器的闭环系统的数学模型;其次,提出了用改进的人工免疫算法优化闭环系统参数的方法;最后,进行了仿真.仿真结果表明,用改进的人工免疫算法寻找最优闭环系统,与基本的遗传算法相比,闭环系统有更好动态性能.     

一种新型动态汽车电子导航系统算法

介绍一种基于全球定位系统（GPS）和电子地图（GIS）的车辆路径诱导系统类免疫算法,实验结果显示,相比常用的Dijkstra’s算法,类免疫算法在布线时间上减少了60%。     

基于改进免疫遗传算法的配电网网架规划

为了解决传统方法难以实现配电网网架规划组合优化的问题,针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网网架规划进行求解,提高了种群的多样性和遗传算法的全局寻优能力.优化模型以网络年费用最小为优化目标,以线路传输容量、电压降、配电网的辐射性等为约束条件;根据配电网辐射性的要求,以备选网络的生成树作为初始解,从而避免了随机产生初始可行解时速度较慢的弊端.并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力大为增强.通过算例验证了该算法的有效性,同时算例结果表明该算法的计算速度比常规免疫遗传算法的计算速度有较大提高.     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

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。     

基于免疫进化算法的Bayesian网结构学习

利用免疫进化算法（IEA）, 借助遗传和接种疫苗操作将基于打分和基于约束的两类Bayesian网结构学习方法有机地结合在一起, 提出一种新的Bayesian网结构学习方法. 通过与基于遗传算法的Bayesian网结构学习方法EGA(Expectation & Genetic Algorithm）的对比试验表明, 所提出算法的收敛速度更快、 学习得到网络的精度更高.     

基于一种免疫算法的TDOA双曲定位技术研究

移动台TDOA双曲定位是无线通信中的一项重要技术;在现实中可以将免疫算法应用在这项技术当中。由于标准免疫算法采用二进制编码,在高维数问题求解时精度不高,求解时间长。为此,提出一种基于实数编码的多映射免疫算法的TDOA双曲定位技术,用多映射混沌理论对免疫算法进行改进,主要包括混沌映射、克隆、变异、选择等步骤。经仿真实验结果验证了改进的多映射免疫算法相对于标准免疫算法来说更容易找到全局最优解,不易陷入局部极值,且收敛速度快,个体不出现退化现象。表明了基于改进的实数编码的免疫算法在TDOA双曲定位技术的切实可行性和实用性,且具有很好的推广能力。     

应用遗传算法进行三次设计初探

应用遗传算法进行三次设计,与传统的田口方法对同一实际问题进行求解对比,不仅可以大大减少试验次数和计算,而且结果表明,遗传算法获得的最优目标值比田口方法要好.如果结合回归试验设计或人工神经网络,遗传算法也能应用于试验性项目的三次设计.     

一种基于免疫-蚁群算法的Ad hoc网络QoS路由算法

由于Ad hoc网络的动态性和处理能力不强等因素，使得之前的启发式算法和近似算法在解决Qos路由问题中存在很大的局限性．针对Ad hoc网络QoS路由的上述研究现状提出了一种基于免疫-蚁群算法的QoS路由算法．该算法前过程利用人工免疫算法（Artificial Immune Algorithm，AIA）快速寻求较优的可行解，在此基础上算法后过程采用蚁群算法（Ant Colony Algorithm，ACA），利用前过程中人工免疫算法获得的较优可行解，进一步提高求解效率．该算法结合了人工免疫算法与蚁群算法二者的优点，具有并行度高，全局寻优，快速收敛等特点．实验证实，这种算法是行之有效的．     

基于免疫原理的动态多播路由算法

为了避免传统启发式算法在求解多播路由问题时存在的过早收敛问题,提出了一个新的动态多播路由免疫算法(DCOMIA),此算法利用克隆选择和基因库的思想改善了群体的多样性,并评估了二进制串表示的候选个体.同时,提出了一个改进了的动态约束多播路由问题(MDCMR),试验结果表明:此算法求解该动态多播问题是高效的.