人工免疫中克隆选择算法的改进

在传统的基于免疫的克隆选择算法基础上加以改进，引入了再选择的机制，提出了多层次的动态克隆选择算法，对入侵检测的人工免疫模型进行了有效改进，使得对抗原的识别率更为有效．     

用于多峰值寻优的人工免疫克隆选择算法

提出了一种执行克隆选择原则的强有力的计算方法，算法思想中考虑到在免疫响应产生的较高亲和力的抗体中，选择改进的成熟后代。这种革新算法能关于机器学习解复杂问题，实例结果表明，克隆选择算法对多峰值寻优问题有优良能力。     

人工免疫机理在故障诊断中的应用

将人工免疫系统的反面选择算法作了改进，在产生检测器时，利用了遗传算法，并将欧几里德距离作为遗传算法中的适应函数。最后通过模拟实验表明，该算法能对旋转机械故障进行诊断，平均准确率可达95％以上。该算法也可以用于其他系统的在线故障诊断。     

人工免疫算法在引水工程中的应用

当前,跨流域调水工程的泵站在运行调度中普遍存在效率低、能耗大的一系列问题,随着我国调水工程建设的增多,针对泵站的优化调度节能降耗越来越受到水利部门的重视。传统的优化调度中采用的动态规划法已经不能很好的解决多约束条件下的泵站优化调度,本文通过人工智能领域的成熟技术一人工免疫算法解决非线性的泵站优化调度问题,由于人工免疫算法具有良好的鲁棒性、智能性、收敛性等特性,在求解泵站总耗能最小的数学模型中体现了很好的效果。     

最小生成树算法在多元连接中的应用及算法分析

本文用最小生成树算法实现了分布式数据库中的多元连接查询,并进行了算法的分析与设计.     

一种新的基于克隆选择原理的人工免疫算法

提出了一种新的基于克隆选择原理的人工免疫算法.该算法基于生物免疫系统的自适应免疫识别机制,通过整合克隆选择过程中的亲和度成熟、阴性选择、免疫记忆、基因库进化和元动力学等关键要素,可在搜索过程中自动获取和积累有关搜索空间的知识,协调利用群体记忆与基因库记忆机制,在资源受限的条件下高效求得问题的解;并对算法的全局收敛性进行了分析.针对STSP问题的实验结果验证了算法的性能.     

人工免疫系统及人工免疫遗传算法在优化中的应用

叙述了人工免疫学的概况及免疫系统的组成，提出了一种新的优化算法——免疫遗传算法，该算法突出了免疫系统中抗体群合作进化思想。将该方法用于以高炉焦比为优化目标的优化问题，取得较好的效果。     

一种新的免疫克隆算法在CVRP问题中的应用

基于克隆选择学说,通过引入克隆算子提出一种新的免疫克隆算法,并将其用于求解CVRP问题.该算法采用了克隆增殖、高频变异和克隆选择算子的操作,增加了种群中优秀个体获得克隆增殖实现亲和度成熟的机会,提高抗体群分布的多样性,在深度搜索和广度寻优之间取得了平衡.仿真结果表明,该算法具有良好的全局收敛性和较快的收敛速度,能有效解决CVRP问题.     

遗传算法在最小 steiner树问题中的应用

在对遗传算法、最小生成树和最小steiner生成树的概念作简单介绍之后,给出了一种改进后的求解最小steiner生成树问题的遗传算法。通过实例通信网络构建的仿真实验,说明改进后的算法能够更好地收敛到局部近似最优解,并分析了算法的优缺点。     

分类树算法及其在通用档案管理系统中的应用

档案管理系统是MIS系统中的一种重要内容，由于档案管理具有细致的分类标准，为了使用户能够根据标准自行更改系统的分类定义，以满足通用性的要求，同时又保证数据的一致性和完整性，提出了一种较好的实现方案基于数据库的分类树算法，即在服务器端生成一棵定义良好的分类树，它位于整个系统的的核心，起到关联系统各部分的作用，并在分类法改变时进行合理的维护，这一方案已在某石化公司档案馆得到运用并被证明切实可行。     

一种改进的模糊人工免疫网络数据分类方法

针对现有人工免疫网络算法对先验知识应用不足的问题，提出一种基于模糊人工免疫网络的有监督学习数据分类方法．首先采用模糊C均值聚类算法为免疫网络提供疫苗（初始种群），将此疫苗作为免疫网络的初始抗体群，种群再经过克隆选择、网络压缩、免疫成熟、记忆等算子的不断扩展和压缩，形成一个由浓缩后的训练数据构成的抗体网络，最终基于该抗体网络采用“邻近原则”构造分类器．由于各算子的协调作用，该方法能够在高浓缩率的情况下更好地代替样本空间．UCI（University of California，Irvine）数据集的仿真实验证明，与aiNet方法相比，该方法在分类准确率和数据浓缩率上分别高出7．26％和11．16％，而且更稳定、可靠．     

基于人工免疫系统的网络文本分类研究

在简单介绍自然免疫系统功能和特性的基础上,依据生物免疫系统免疫记忆特性,提出一种人工免疫网络记忆分类器。实验证明,该分类器能够快速准确地对文本进行分类。     

基于人工免疫算法的神经网络电力系统短期负荷预测

在BP神经网络（Baek-propagatlon neural network, BPNN）模型中引入人工免疫算法（Artificial Immune Algo-rithm,AIA）,给出了AIA-BPNN模型,基本思想是结合AIA算法的搜索特性和BPNN 模型的优良性能,可以进一步提高学习能力．与实际电力系统结合构造了AJA-BPNN电力系统短期负荷预测模型,通过使用AIA算法,优化BPNN的权值和阈值。使BPNN权值和阈值选择的盲目性得以克服．     

免疫危险理论在电子邮件分类中的应用

在对危险理论、人工免疫和云模型的研究基础上,提出了一种基于危险理论的电子邮件分类模型并对模型的框架和工作原理进行了详细的描述.实验证明该模型总体性能优于贝叶斯分类,能有效地识别出有害的非我,达到降低伪肯定率和伪否定率的目的.     

动态克隆选择和免疫网络结合的算法

提出了一种动态克隆选择算法和免疫网络相结合的新入侵检测算法。将基因库和高频变异加入动态克隆选择算法，提高检测器的进化速率。将免疫网络与动态克隆选择算法结合，消除成熟检测器中存在的冗余，提高检测器的生成效率。对算法中记忆检测器的生成加入变异和竞争，促进记忆检测器的进化，提高群体的亲和力水平。     

一种基于虚拟力导向和细胞分化的免疫网络分类算法

针对传统免疫网络分类算法中抗体细胞进化缺乏有效指导的问题,提出了一种基于虚拟力导向和细胞分化的免疫网络分类算法(VCAINC).算法引入虚拟力场区的概念,基于虚拟力场区定义抗体所受的虚拟作用力以指导抗体的进化过程,并根据移动收敛条件判定抗体的合理位置;对于无法达到收敛条件的抗体,采用细胞分化策略提高免疫网络的分类性能;分析了算法在UCI标准数据集的分类效果.实验结果表明,VCAINC对于多个标准数据集均具有良好的分类性能,能够有效指导抗体细胞的进化.     

人工免疫C-均值聚类算法

通过借鉴生物免疫系统中的克隆选择原理和记忆机制，提出了一种人工免疫C-均值混合聚类算法．该算法采用了新的克隆选择方法，通过亲和度排序和个体浓度定义了个体的选择概率，从而可确定个体的适应值评价函数，以评价和选择个体．算法还集成了一种C-均值搜索算子，用于加快收敛速度．在聚类数目已知的情况下，所提算法能够得到给定数据集下的全局最优划分，与基于遗传算法的聚类方法比较，它具有更快的收敛速度和更高的收敛精度，并可扩展到性能指标能够表示为优化聚类中心函数的聚类模型之中．仿真结果表明，所提算法是有效性的．     

一种新的人工免疫网络动态聚类在MIS评价中的应用

从人工免疫网络原理出发,建立MIS分类模型与生物免疫系统的对应关系,提出了一种新的人工免疫网络动态聚类算法,并将算法应用到MIS评价中.实例分析表明,该算法能有效地从大量待评价的MIS指标属性数据中得到MIS分类,以及不同类型的数据特征.另外,该算法还为评价指标的隶属度函数制定提供了有力的理论依据.     

基于人工免疫原理的入侵检测研究

将人工免疫的原理运用到计算机入侵检测系统中,充分利用了人工免疫系统的分布性、自适应性和高效性.为入侵检测系统的高误报率和缺乏自适应性问题的解决提供了一个模型框架.并对生成检测器的阴性算法进行了描述.