多目标优化量子免疫算法求解基站选址问题

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案.设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证.实验结果表明：算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值.     

低辐射3G网络基站选址优化

针对民众因担忧电磁辐射而投诉日益增多导致通信基站选址困难的现状,在考虑基站覆盖范围和建站成本的同时,兼顾基站电磁辐射对环境的影响,提出了面向低辐射的3G网络基站选址优化方案.通过对基站选址原则及其典型基站的电磁辐射模型分析,建立了基于多目标的基站评价模型,设计了基于改进的免疫优化算法3G网络基站选址优化方案,并以模拟实验区域为对象进行了仿真实验测试.实验结果表明:本文提出的选址优化方案不仅能以较小的基站建设代价满足信号覆盖要求,同时也降低了基站电磁辐射的影响,获得了更好的社会效益.     

基于生物免疫系统克隆选择机理和免疫网络理论的免疫算法

提出一种基于生物免疫系统克隆选择机理和免疫网络理论的免疫算法.该算法通过抗体的克隆选择和变异过程,完成对入侵抗原的清除,实现免疫防御的功能;利用免疫网络调节的思想选择抗体记忆细胞,完成知识的学习和积累,实现免疫自稳的功能;利用所建立的抗体记忆矩阵实现对类似入侵抗原的快速应答,行使免疫监视识别功能.该算法利用生物变异机制实现抗体的自适应调节,使系统具有自适应、自学习能力.在加热炉状态识别的应用研究表明,本文所提出的算法在解决数据识别方面具有较好的效果.     

基于免疫克隆原理的PID控制器优化

针对PID控制器的参数整定和优化问题,本文提出一种基于免疫克隆算法的优化PID控制器参数的方法.该算法与人体免疫系统机制相似,通过克隆、选择和高频变异,以获得最优的目标函数值,进而获得最优的PID控制器.仿真实验结果表明该方法明显优于遗传算法和粒子群算法,同时证明了利用免疫克隆算法进行PID调节的有效性.     

免疫粒子群算法及其在水库优化调度中的应用

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及免疫接种功能的原理,改进粒子群优化算法的全局寻优能力,提高收敛速度.在分析水库优化调度的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的水库优化调度的方法,建立了数学模型,给出了具体求解步骤.经实例验证,IA-PSO得出的水库优化调度方案优于传统动态规划算法的计算结果,而且算法收敛速度快,为水库调度问题提供了一条新的有效求解途径.     

一种改进的计算机免疫模型

通过对生物免疫系统和计算机免疫系统的比较,提出了一种改进的计算机免疫模型.该模型针对计算机免疫系统中自体动态变化比生物体更为频繁的特点,提出了成熟免疫细胞的否定选择机制,并给出了成熟细胞的否定选择算法;同时模型还针对计算机免疫系统中非自体的多样性和广泛性,提出了对记忆细胞的动态降职机制,并给出了记忆细胞动态降职算法.将该模型运用于网络入侵检测应用的实验表明,模型具有更强的动态特征和鲁棒性.     

一种基于免疫选择的粒子群优化算法

粒子群算法是一种新的群体智能算法,被广泛用于各种复杂优化问题的求解,但算法存在着过早收敛问题.为了克服算法早熟的缺点,将粒子群看作是一个复杂的免疫系统,借鉴生物学中免疫系统自我调节的机制,提出了一种新的基于免疫选择的粒子群优化算法(IS-PSO).免疫系统中的抗原、抗体和亲和度分别对应了待优化函数的最优解、候选解和适应度.IS-PSO通过免疫算法中免疫记忆、疫苗接种、免疫选择等操作有效地调节PSO算法中种群的多样性.给出了算法的详细步骤,并将本文提出的算法与基本的粒子群算法(bPSO)在几个典型Benchmark函数的优化问题应用中进行了比较,仿真结果表明:IS-PSO算法可以有效避免早熟问题,提高粒子群算法求解复杂函数的全局优化性能.     

基于免疫进化策略的神经网络优化方法

对神经网络的研究多年来主要集中于网络权值优化或结构优化上,却忽略了神经网络结构与权值之间密不可分的联系.针对上述问题,将免疫系统中的浓度机制和记忆机制引入进化策略,提出了一种基于免疫进化策略的神经进化算法,在优化网络拓扑结构的同时优化网络的连接权值.进一步地,用Cauchy变异算子代替传统的Gauss变异算子,以获得更为理想的全局收敛效果.理论分析和仿真结果表明,免疫进化策略能够很好地保持种群多样性,避免未成熟收敛,采用免疫进化策略设计神经网络具有良好的全局收敛性能和快速学习网络结构和网络权值的能力.     

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.     

基于多信息素蚁群优化的WS N节能路由方案

针对当前无线传感器网络节能路由算法中出现的计算效率低和节能效果不佳等问题,本文提出一种基于多信息素蚁群优化的节能路由方案.该方案通过综合考虑节点剩余能量、相邻节点数和节点间距离等因素,在节点能量利用率较低的情况下,利用多信息素蚁群优化算法寻找传感器节点到基站的最佳路由,以经济的能耗将传感数据传输到基站.实验结果表明:与...     

基于AIS的时变函数优化

借鉴生物免疫系统优化机理,构造一种人工免疫系统,用于求解时变函数优化问题.该方法采用高变异克隆选择作为主要的搜索算子,通过免疫网络的构造和在线调整,实现进化过程优势个体模式的自组织记忆.仿真结果表明该算法具有较好的时变函数优化效果.     

基于自适应Hata模型的无线电发射源定位方法

针对传统无线电发射源定位方法主要依赖基站接收的参数定位, 建造基站花费较大的问题, 提出一种基于自适应Hata模型的无线电发射源定位方法, 该方法改进了传统的Hata模型, 并利用粒子群优化算法有效地确定无线电发射源的位置. 实验结果表明, 该方法是可行且有效的.     

基于自适应Hata模型的无线电发射源定位方法

针对传统无线电发射源定位方法主要依赖基站接收的参数定位, 建造基站花费较大的问题, 提出一种基于自适应Hata模型的无线电发射源定位方法, 该方法改进了传统的Hata模型, 并利用粒子群优化算法有效地确定无线电发射源的位置. 实验结果表明, 该方法是可行且有效的.     

基于免疫反应原理的动态优化算法

生物免疫系统面对复杂的外部环境能够产生相应抗体,快速消除对肌体的威胁,在变化的环境中体现出强大的优化能力和自适应能力.该文借鉴免疫反应机理,提出一种求解动态环境下优化问题的免疫算法.仿真结果表明该算法具有较好的全局优化能力、对环境变化的适应能力强,性能稳定.     

基于免疫原理的多模态函数优化算法

借鉴免疫原理,提出了一种新的多模态函数优化算法。通过构造克隆选择算子,利用抗体单性繁殖和优选进行函数快速局部优化;借助B细胞网络完成各种局部优化结果自组织记忆,有效地实现了全局最优解和局部最优解的快速搜索和保存,证明该算法具有较强的多模态函数优化能力。     

基于免疫算法PID控制器参数的优化设计

根据生物免疫系统的特性,提出一种基于免疫进化计算PID控制器参数的优化设计算法。免疫进化算法引入记忆细胞的抗体浓度调节机制,具有种群的多样性,能确保快速稳定地收敛到全局的最优点。仿真实验表明该算法简便有效。     

混沌免疫粒子群优化算法在BP网络训练中的应用

将人工免疫系统中的克隆选择和混沌算法引入粒子群优化算法,提出一种混沌免疫粒子群优化算法.算法的主要特点是利用克隆和混沌变异等操作,提高收敛速度和种群的多样性.结合Iris分类问题,将新算法应用到BP网络的权值优化中,并和基于标准PSO算法的方法和单纯BP网络训练进行比较.实验结果表明,该算法性能优于所比较的两种算法,并且具有良好的收敛性和稳定性.     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight, NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站,而且该条件下单基站收集的定位信息不足,导致定位精度不高。针对上述问题,提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型,该算法基于该模型收集多径信号的测量参数,将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理,再根据聚类结果和单站定位系统的几何结构建立方程组,将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法求解优化问题估计目标位置。仿真结果表明,在室外NLOS环境中,且仅提供单个基站的条件下,该算法可以有效提高定位结果的精度。