基于免疫克隆选择算法的TDOA定位技术

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和免疫克隆选择算法(ICSA)的混合定位算法.采用二进制编码和免疫克隆选择算法,针对TDOA方式进行最佳坐标搜索.仿真结果表明,该算法不仅能够进行准确定位,而且在同样的种群规模下能够以较少的迭代次数得到最优解.     

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.     

基于免疫克隆选择优化算法的地下矿山配矿

建立了基于免疫克隆选择算法地下矿山配矿的数学模型.以国内某地下锌矿实际生产为背景,使用Java编制相应的免疫克隆选择算法优化软件进行优化解算,将解算结果与该矿的生产计划指标和模糊优化算法解算结果进行对比验证.结果表明免疫克隆选择优化算法在地下矿山优化配矿领域的应用是可行的.     

基于蚁群算法和免疫算法融合的TSP问题求解

利用蚁群算法和免疫克隆选择算法的各自优势提出了一种新的融合优化方法:结合抗体小窗口局部搜索算法的蚁群和克隆选择融合算法(Aca_Csa_s Algorithm,简称ACLA).在蚁群算法中引入混沌扰动能在一定程度上避免早熟、停滞;克隆扩增、免疫基因等算子的操作能加快克隆选择算法的收敛速度;局部搜索策略的应用,也有效提高了 ACLA算法搜索效率.针对TSP实验结果表明,该算法在收敛速度与求解精度上均取得了较好的效果.     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法,描述了算法的操作过程.采用函数优化仿真实验与进化算法进行比较,结果表明免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题和骗问题.     

基于循环配送策略的汽车装配线物料配送调度方法

为有效解决基于循环配送策略的汽车装配线物料配送调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先,建立了数学规划模型,以最小化计划期内所有工位的线边总库存为优化目标,并提出了改进型免疫克隆选择算法.在算法设计过程中融入了模拟退火算子和邻域搜索算子,分别对克隆种群和记忆库进行操作,以克服传统免疫克隆选择算法易陷入局部最优、搜索深度不足等缺陷.最后进行了仿真实验,表明该算法是有效、可行的.     

不同水分处理对两种结实率菊芋表型性状与繁殖策略的影响

选择高品系(LZJ040,结实率高)和低品系(LZJ004,结实率低)菊芋作为试验材料,设置6种水分梯度处理,测量块茎干重、块茎芽数、种子干重和种子数量等指标,探讨水分变化对2种菊芋品系表型性状、有性繁殖、无性繁殖的影响以及2种繁殖方式之间的权衡.结果表明,水分增加可以显著促进高、低品系菊芋的株高、基径和叶面积;水分增加对高、低品系的无性繁殖有促进作用, 2种品系对水分变化的敏感程度不一样,高品系的无性繁殖对水分的变化更敏感;水分可以显著促进高、低品系菊芋的有性繁殖;相比无性繁殖,水分增加更能促进高、低品系有性繁殖,且品系间不存在显著性.水分的变化显著影响2种不同结实率菊芋的表型和繁殖策略,随着水分增加、环境条件改善, 2种菊芋都倾向于有性繁殖.     

一种非线性系统参数辨识的耦合算法研究

针对工程复杂性、时变性、非线性的特点,提出了基于混沌免疫粒子群算法(CIPSO)与El-man神经网络的耦合算法(CIPSD-ENN),用于非线性动态模型参数辨识.CIPSO优化算法将人工免疫系统中的克隆选择和混沌优化机制引入粒子群算法,在粒子群种群进化过程中,该算法对粒子进行克隆选择,提高其收敛速度,对克隆后的粒子混沌变异以增强种群局部搜索能力.最后,CIPSO与动态反馈型Elman神经网络融合,对其权值、阈值寻优,建立了基于CIPSO和ENN的耦合算法系统辨识模型.实验结果表明,算法具有收敛速度快、收敛精度高、鲁棒性强的特点,与单纯Elman网络辨识相比,模型收敛速度提高了10倍,拟合精度提高了2个数量级.     

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.     

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.