三种混沌免疫优化组合算法性能之比较研究

利用混沌迭代的遍历性和内在随机性，提出三种混沌免疫优化组合算法，以弥补免疫进化算法收敛性能差的缺陷。这三种算法均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，分别把混沌变量加载于免疫算法的总种群、遗传操作种群和记忆库种群的变量群体中，利用混沌搜索的特点对这些群体进行微小扰动并逐步调整扰动幅度。对三种算法的性能进行了实验比较，结果表明算法一具有更好的收敛性能和搜索效率。     

一种新的免疫进化算法及其性能分析

基于免疫系统中的进化机理，提出了一种免疫进化算法。首先引入了邻域概念，并通过定义扩展半径和突变半径两个新算法参数而构造了较小和较大两个邻域。进而给出了扩展和突变操作分别利用这两个邻域进行局部和全局搜索，实现了从全局到局部的两层邻域搜索机制。分析了算法的优化机理和收敛性。仿真结果表明该算法具有不易陷入局部最优、解的精度高、收敛速度快等优点。     

改进的PSO算法及其在软测量建模中的应用

通过大量仿真实验,考察了粒子群算法(PSo)中粒子平均速度和算法收敛性之间的关系,提出了一种基于粒子速度反馈信息的自适应调整权重策略,同时在搜索过程中引入混沌序列.给出的收敛性分析证明,该算法可以以概率1收敛到全局最优解.对经典函数的测试计算表明,改进后的PSO算法较好地解决了基本粒子群算法中易陷入局部最优的缺点,在稳定性和收敛精度上均优于普通的PSO算法.改进的粒子群算法被用于优化神经网络的结构和参数,并将基于改进算法的神经网络用于4cBA软测量建模中.实际应用表明,与基于其它智能算法的神经网络相比,该网络不仅有较高的泛化性能,而且有更快的学习速度和较好的实时性.     

共享免疫微粒群算法

将共享机制引入微粒群算法,把群体的粒子适应度更新为共享适应度,对共享适应度高的粒子进行处罚,保留低适应值的粒子为记忆粒子,当全局最好值连续进化若干代无变化时,用记忆粒子和克隆选择来更新粒子.这样既增加了群体的多样性,同时又保存了群体中最好的粒子,从而有效克服了由于微粒群算法多样性差而造成的易陷于局部最优和对多峰值函数搜索效果不佳的缺点,仿真实验验证了该算法的有效性.     

基于免疫粒子群算法的组合预测方法

给出了基于粒子群算法的组合预测方法,并引入免疫算法对其进行了改进:一方面利用免疫算法的免疫记忆和自我调节机制提高其全局搜索能力,避免算法陷入局部最优解;另一方面利用免疫算法的接种疫苗和免疫选择机制增强其性能,防止算法在优化过程中可能出现的退化现象。实例证明,基于免疫粒子群算法的组合预测方法可操作性强,通用性好,误差明显小于各个参与组合的预测模型,并优于基本的粒子群算法和加速遗传算法。     

一种求解函数优化的混合差分演化算法

为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法.该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的.对复杂函数的寻优实验验证了混合差分演化算法的有效性.     

基于免疫克隆原理的改进粒子群优化算法的研究

提出了一种改进的粒子群优化(PSO)算法来进行函数优化,以克服PSO算法容易陷入局部极值的不足,加快收敛速度,从而实现全局搜索.PSO算法是基于群体智能的随机优化算法,参数结构简单,但收敛速度慢,容易陷入局部极值.通过对PSO算法的深入分析,基于传统的速度--位置更新操作,把免疫克隆(IC)原理引入PSO算法中,将抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力.测试结果表明,该算法完成全局搜索所需的迭代次数明显少于PSO算法,大大缩短了搜索时间,在多维函数最优解的搜索中具有优良的性能.     

基于改进粒子群算法的卫星数传任务调度

建立了卫星数传任务调度模型,讨论了约束条件和调度目标.设计了一种自适应规模粒子群算法,该算法采用基于星地可视时间窗的十进制编码,各粒子编码表示不同可视时间窗内可分配数传作业的概率.在迭代过程中根据粒子群整体差异度动态调整种群规模,删除部分差异度小的粒子,同时增加新粒子以保证种群多样性.通过实例仿真表明,自适应规模粒子群算法在解决卫星数传任务调度问题中具有调度结果优、收敛速度快等优点,并对算法的控制参数取值进行了分析.     

改进的免疫算法及其在函数优化中的应用

为了提高免疫算法的搜索能力,根据生物免疫机制及生物进化的周期性,设计了一种周期变化变异算子。为了避免仅仅以亲和度作为免疫选择评价标准,低亲和度抗体过度抑制,提出了将抗体浓度引入到亲和度中作为评价指标,设计了一种改进的免疫选择算子。基于马尔科夫链,分析了改进免疫算法的收敛性。为了测试该算法的有效性,将算法应用于函数优化问题中。仿真结果表明,改进的免疫算法具有更高的搜索速度和精度。     

基于区间数群决策矩阵的专家权重确定方法及其算法实现

针对专家偏好信息为区间数群决策矩阵的多属性群决策问题,提出了一种专家权重确定方法并利用自适应迭代算法实现。首先,给出了区间数和专家群决策矩阵的定义。然后,使用加权几何系数法计算专家综合权重,并通过比较专家个体与专家群体决策矩阵的偏差距离计算出专家的客观权重,经过多次迭代后得到稳定的专家客观权重与专家综合权重。最后,实例验证了该算法的可行性与有效性。     

基于免疫聚类算法的离群数据挖掘

离群数据挖掘是数据挖掘研究的重要内容,在实际生活中获得广泛应用.论文结合了免疫算法全局搜索的优点和K-均值方法局部收敛速度快的特点,提出了一种基于免疫聚类算法的离群数据挖掘方法,有效地克服了传统聚类方法对初始化敏感、容易陷入局部最优等缺点,使聚类结果能够快速收敛到全局最优,有效地检测离群数据.实验结果表明,该方法实用有效的.     

基于混杂Petri网的柔性制造系统免疫调度算法

针对具有混杂特征的柔性制造系统调度问题在柔性制造系统的一阶混杂Petri网模型的基础上提出了用于求解柔性制造系统调度最优解的免疫算法。给出了不变行为状态的编码、亲和力计算、抗体的浓度及抗体选择、记忆细胞更新、抗体生成算子等的具体实现方法。实例仿真结果表明,结合混杂Petri网模型和免疫算法能够有效地实现柔性制造系统调度最优解的求解。     

高分辨率谱估计算法MUSIC和Minimum-Norm及性能比较

本文从理论上详细叙述了高分辨率谱估计技术MUSIC和Minimum-Norm算法的机理,给出并比较了它们的空域谱平坦度、3dB谱宽度和谱峰值随信噪比的变化情况.文章对工程设计人员加深理解、选择算法具有一定的参考意义.     

子阵级的数字波束形成技术

本文讨论了子阵级的数字波束形成(DBF)技术的特点,分析了产生栅零点和栅谱现象的原因,提出了克服栅零点的不均匀子阵划分法。     

差异演化算法及其改进

针对一类非凸、多峰及非线性函数优化难的问题，本文提供了一种新的求解策略——差异演化算法，该算法比其它演化算法稳健性强、收敛速度快。同时，为进一步提高差异演化算法的优化性能，该文也提出了一些改进措施，包括自适应线性变异以及迁徒操作，最后的仿真试验验证了本改进算法的优越性。     

舰载反导跟踪算法与模型分析

反舰导弹构成了现代舰艇的严重威胁 ,对反舰导弹精确跟踪是反导防御成功的重要前提。针对比例制导的飞航式反舰导弹弹道的特点和机动特征 ,提出了跟踪此类目标的两种新算法———基于自适应模型的算法和基于自适应交互多模型的算法。仿真实验证明 ,这两种各具特点的算法都有足够的适用性能。     

基于免疫网络调节机理的混沌超变异免疫算法

根据生物免疫系统中存在的免疫网络调节机理,提出了一种实数编码的混沌超变异免疫算法,该算法结合克隆选择原理和混沌理论建立新的混沌超变异操作,增强了算法局部搜索能力.同时基于免疫网络数学模型设计抗体的激励水平,并以此作为抗体群免疫网络调节的依据,保持了抗体群的多样性.最后将其应用于函数优化问题,结果表明该算法的收敛性能优于克隆选择算法,而且能够有效克服早收敛问题.     

修正的DCMP算法在抗干扰自适应天线阵中的应用

为了降低对DCMP算法约束方向的精度要求,提出了修正的DCMP算法.修正的DCMP算法可以在不捐失输出信噪比的条件下,降低对约束角度的要求.更重要的是,修正的DCMP算法实现非常简单,而且对精度的要求连续可调.     

三种新型神经网络树算法之改进与比较分析

VittorioMurino提出了三种将神经网络和树结构结合起来的算法。简单介绍了三种结构算法并对其做了细化改进,使其实现更具体、可行,应用范围更广泛;分别利用两组模拟数据和Iris植物分类数据对三种结构与传统的神经网络做了比较实验,给出了三种结构用于模式识别的算法速度、识别率、泛化能力等性能的对比分析。结果表明,三种各具特色的神经网络树结构均有显著的优越性。