用遗传编程方法提取和优化机械故障的声音特征

为了弥补单一特征在机械故障特征识别中的不足，引进遗传编程方法对单一特征重新优化，构建复合特征。利用声音信号的复合特征实现滚动轴承的状态识别，取得了良好效果；进一步尝试利用信息融合思想，融合机器声音和振动两种信号的单一特征，再利用遗传编程得到新的复合特征，其识别效果比单独使用声音信号复合特征更好，并且缩短了遗传编程的搜索时间。     

混沌免疫混合算法参数自适应调整的优化设计

为提高免疫算法的求解性能,在免疫克隆选择算法中融入了混沌优化操作.分析了抗体群选择概率的重要性并给出其变化的计算式,采用抗体群的连续3代平均适应度变化率以自适应地调节抗体选择概率参数值.给出了混沌免疫混合算法参数自适应调整的优化设计的具体步骤,运用混沌免疫混合算法参数自适应调整的优化方法、免疫克隆选择算法以及其他文献方法对起重机结构主梁截面优化设计.结果表明:混沌免疫混合算法参数自适应调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.     

谱聚类与混沌免疫相结合的软件缺陷分析算法

针对谱聚类算法中K-means处理无标识软件度量元数据易陷入局部最优的问题, 提出一种新的混沌免疫聚类算法. 该方法在免疫克隆选择算法的框架下, 设计抗体亲和度计算方法用于免疫克隆聚类中心的评价, 并给出分层混沌变异算子, 进一步提高了无标识软件度量元数据的预测性能. 仿真实验验证了算法的有效性.     

用于高维函数优化的免疫记忆克隆规划算法

基于抗体克隆选择学说及免疫记忆理论,系统阐述了一种新的人工免疫系统算法,免疫记忆克隆规划,并基于Markov链的有关性质,证明了该算法的收敛性.高维函数优化的仿真试验表明,与相应的进化算法(如BGA)相比,算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度快.     

一种基于免疫抗体聚类算法的复杂函数寻优

通过在克隆选择过程中引入抗体聚类机制,提出了一种用于复杂多模函数优化的新算法.通过聚类将抗体群分成多个子种群来实现其克隆选择策略,加速克隆扩增,从而提高抗体成熟力及亲和性.采用了混合超变异算子,使其能快速获取全局及局部最优.实验仿真结果表明:该算法对复杂函数寻优的过程是相当有效的,具备良好的全局和局部收敛可靠性.     

基于免疫克隆优化算法的传感器网络资源分配

基于无线传感器网络中资源分配的NP特性,提出了一种基于免疫克隆优化的资源分配算法.具体给出了资源分配问题的数学模型和免疫克隆算法实现过程,还包含免疫算法求解中的关键技术,抗体克隆时根据激励度进行,保证了解的多样性并避免早熟收敛.实验结果表明,本算法目标检测成功率高,具有较好的检测结果.     

基于多表达式编程的汇率预测的研究

由于汇率预测(Exchange Rate Prediction)是一种不确定、非线性、非平稳的时间序列预测问题,传统的方法往往难以得到满意的结果.多表达式编程(Multi Expression Programming,MEP)是一种新型的线性编码的遗传编程(Genetic Programming)的变种.提出一种克隆选择算法优化的多表达式编程模型对国际上3种重要的汇率数据进行了建模和预测,实验结果表明,该模型克服了传统进化算法优化的遗传编程及人工神经网络早收敛、难以找到全局最优解的缺点,取得了令人满意的结果.     

结合交叠区异点统计和相关分析的免疫克隆特征选择方法

为了解决机械故障诊断中的特征选择问题,利用免疫克隆选择算法,提出了一种结合交叠区异点统计和相关性分析的免疫克隆特征选择方法,可有效地去除不相关特征和冗余特征.基于空间分布的交叠区异点,设计了交叠区异点统计的优化指标;基于J散度距离,设计了一种冗余特征的评估指标;基于免疫克隆选择算法,结合交叠区异点统计优化指标和冗余特征评估指标,提出了一种免疫克隆特征选择新算法.仿真和实际工程应用的结果表明:文中提出的方法比常用的特征选择方法更加有效,选出的特征分类精度更高,特征子集更小,更能满足故障诊断的需求.     

Rosenbrock函数全局最大值的免疫算法求解

利用免疫算法对多峰值函数进行多峰值搜索及全局寻优能力,运用Matlab编程实现基于信息熵的免疫算法来求解Rosenbrock函数全局最大值,并对抗体进化过程和种群分布特征进行了仿真.讨论了免疫记忆、相似度与平均浓度的判断、抗体和抗原的亲和力以及多样性保持等功能的实现方法.     

基于混沌克隆的混杂多目标免疫优化算法

针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体;根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力;算法在进化过程中对不同子群采取不同突变方式;借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pareto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.     

基于遗传编程和支持向量机的故障诊断模型

提出了一种基于遗传编程和支持向量机的故障诊断模型．该模型利用遗传编程对传统的时域指标进行特征选择和提取，得到更能反映信号本质的特征，与其他特征组合后作为识别特征输入多类支持向量机，实现了对机器不同类型故障的识别．实验结果表明，同传统时域指标相比，经过遗传编程选择和提取的特征对轴承的故障具有更好的识别能力，进而提高了多类支持向量机的分类准确性．     

A novel algorithm of artificial immune system for high-dimensional function numerical optimization

Artificial immune system has become a researchhot spot after the neural network, fuzzy logic andevolutionary computation[1,2]. Clone means propagat ing asexually so that a group of genetically identicalcells can be descended from a single common ances tor, such as a bacterial colony whose members arisefrom a single original cell as the result of binary fis sion. The idea has been extensively applied in somefields like computer programming[3,4], system con trol[5], interactive para…     

A novel algorithm of artificial immune system for high-dimensional function numerical optimization

Based on the clonal selection theory and immune memory theory, a novel artificial immune system algorithm, immune memory clonal programming algorithm (IMCPA), is put forward. Using the theorem of Markov chain, it is proved that IMCPA is convergent. Compared with some other evolutionary programming algorithms (like Breeder genetic algorithm), IMCPA is shown to be an evolutionary strategy capable of solving complex machine learning tasks, like high-dimensional function optimization, which maintains the diversity of the population and avoids prematurity to some extent, and has a higher convergence speed.     

基于样本和特征搜索空间不断缩小的模糊粗糙集特征选择

为了提高模糊粗糙集特征选择算法的计算效率,在每次迭代过程中通过不断缩减样本和特征的搜索范围,提出了一种新的模糊粗糙集特征选择算法.为了减少样本的搜索范围,利用样本对决策类下近似隶属度的单调性,构建样本的筛选机制,用以筛除当前所选特征子集已保持决策类下近似隶属度的样本;为了缩减特征的搜索范围,采用特征冗余性概念,构建特征搜索机制,用以移除已被确定为冗余的特征;通过融合样本筛选机制和特征搜索准则,设计模糊粗糙集特征选择的高效算法.数值实验表明,所提算法具有高效性和有效性.     

Immune secondary response and clonal selection inspired optimizers

The immune system's ability to adapt its B-cells to new types of antigen is powered by processes known as clonal selection and affinity maturation. When the body is exposed to the same antigen, immune system usually calls for a more rapid and larger response to the antigen, where B cells have the function of negative adjustment. Based on the clonal selection theory and the dynamic process of immune response, two novel artificial immune system algorithms, secondary response clonal programming algorithm (SRCPA) and secondary response clonal multi-objective algorithm (SRCMOA), are presented for solving single and multi-objective optimization problems, respectively. Clonal selection operator (CSO) and secondary response operator (SRO) are the main operators of SRCPA and SRCMOA. Inspired by the clonal selection theory, CSO reproduces individuals and selects their improved maturated progenies after the affinity maturation process. SRO copies certain antibodies to a secondary pool, whose members do not participate in CSO, but these antibodies could be activated by some external stimulations. The update of the secondary pool pays more attention to maintain the population diversity. On one hand, decimal-string representation makes SRCPA more suitable for solving high-dimensional function optimization problems. Special mutation and recombination methods are adopted in SRCPA to simulate the somatic mutation and receptor editing process. Compared with some existing evolutionary algorithms, such as OGA/Q, IEA, IMCPA, BGA and AEA, SRCPA is shown to be able to solve complex optimization problems, such as high-dimensional function optimizations, with better performance. On the other hand, SRCMOA combines the Pareto-strength based fitness assignment strategy, CSO and SRO to solve multi-objective optimization problems. The performance comparison between SRCMOA, NSGA-II, SPEA, and PAES based on eight well-known test problems shows that SRCMOA has better performance in converging to approximate Pareto-optimal fronts with wide distributions.     

基于多维特征终端区航空器异常轨迹识别

针对航空器轨迹聚类没有充分利用目标的速度、航向等多维特征信息,在发掘轨迹聚类中存在局限性,提出基于多维特征的航空轨迹聚类方法并基于统计学方法完成异常检测。通过散点相似矩阵确定多维特征,利用多维特征构建多维特征相似矩阵,完成对轨迹的聚类,引入航转角和特征点选择特征轨迹,用多元拟合模型对特征轨迹点拟合,得到航空器特征轨迹表达式,通过计算实验轨迹与位置特征表达式的距离是否大于95%的置信区间距离,完成异常轨迹的检测。在天津机场用ADS-B数据进行实验,比较结果表明具有一定可行性。     

动态多项目多任务选择计划资源配置及其智能决策

研究资源约束下不定期追加新项目的动态多项目多任务选择计划资源配置问题的数学模型和求解的免疫遗传算法.以资源配置偏差为性能指标,综合项目权重、项目间和各项目的任务间的承继约束,建立项目、任务间的时序约束和资源约束表达式,进而获该问题的动态规划模型;以克隆选择原理所蕴涵的免疫机理为载体,并结合遗传学中基因重组规则,建立免疫...     

重用抗体优良片断的免疫进化算法

基于克隆选择原理与算法,通过分析具体现象阐述了改进克隆选择算法的思想来源,设计了挖掘抗体中优秀决定基因并生成记忆集、封装优秀决定基片段、用变异抗体群中亲和度高的抗体按概率替换记忆抗体群中低亲和度抗体的方法,获得了重用抗体优良片断的克隆选择算法.借鉴强度Pareto进化算法的进化框架,提出了重用抗体优良片断的免疫进化算法.该算法通过克隆选择替代选择、交叉、重组等遗传操作.在一组0/1背包问题上的测试结果表明,所提出的算法可以有效保持种群多样性,获得较高质量的Pareto非劣解集.
     

基于LightGBM的特征选择算法

为解决过滤式和基于演化学习的包裹式两类特征选择算法的缺陷,提出一种新型包裹式特征选择算法LGBFS(LightGBM feature selection).首先引入LightGBM对原始特征构建迭代提升树模型并对特征重要度进行度量;随后结合提出的LR序列前向搜索策略LRSFFS对特征进行选择;最后将所提出算法与9种对比算法在21个标准数据集上进行对比,结果显示LGBFS在21个标准数据集中的16个取得最优分类精度、18个取得最优维度缩减率和最优CPU运行时间.还进行了时间复杂度分析与显著性检验,检验表明LGBFS相较6种对比算法具有显著性差异,也说明LGBFS能够同时兼顾特征子集的计算效率和分类精度.