人工免疫网络算法的改进及免疫优化应用

基于人工免疫网络算法(aiNet)模型,借鉴禁忌搜索算法(TS)的思想,提出一种禁忌搜索与人工免疫的混合算法,即人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌那些在网络迭代中亲和度连续不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态;增加1个记忆表,用于保存成熟的记忆细胞;重新定义高斯变异方式,以保证多样化的有效搜索.利用Markov链证明算法全局收敛性,通过对多个典型系统测试函数的仿真实验定量分析该算法的性能,并与经典克隆选择算法和opt-aiNet算法进行比较研究,分析特征参数对算法性能的影响.实验结果表明,该算法在多模态搜索空间中具有更强的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

基于人工免疫网络的模式识别算法

针对实际对象数学模型不明确而难以控制的问题,采用人工免疫网络的离散模型与学习算法,将人工免疫系统与神经网络结构的优势相结合,提出了一种基于人工免疫网络的模式识别算法,构造了对象识别的人工免疫网络模型.该算法综合了网络节点的定位与参数调整以及对基函数的平滑因子实施调谐等功能,有效地解决了径向基函数(RBF)神经网络模式识别的两个阶段任务,使模式识别的精度有较大的改进.采用两个不同对象函数进行的仿真试验表明,该算法具有快速收敛性与较高的准确性.     

独特型网络AB模型免疫耐受的研究

从理论上研究了独特型网络调节导致的获得性免疫耐受，Ｎｅｕｍａｎｎ和Ｗｅｉｓｂｕｃｈ曾利用将Ｂ细胞和所分泌的抗体简单地当作一个克隆变量的模型来研究，发现是否存在耐受取决于独立型网络调节的拓扑结构，本文应用将儿抗体作为２个组分的ＡＢ研究这个问题，得出耐受对于网络的拓扑结构并不敏感的结果，采用ＡＢＶ模型研究耐受比Ｎｅｕｍａｎｎ和Ｗｅｉｓｂｕｃｈ所作的更为合理。     

一种改进的人工免疫网络优化算法及其性能分析

基于人工免疫网络算法(aiNet),借鉴禁忌搜索算法的机制,提出一种禁忌人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌那些在网络迭代中亲和度不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态;增加一个记忆表,用于保存成熟的记忆细胞;重新定义了Gauss变异方式,保证多样化的有效搜索.利用Markov链证明了算法全局收敛性,分析了算法的复杂度,通过对多个典型系统仿真分析该方法的性能,并与克隆选择算法和aiNet算法进行比较研究.结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

一种改进的人工免疫网络优化算法及其性能分析

基于人工免疫网络算法（aiNet）,借鉴禁忌搜索算法的机制,提出一种禁忌人工免疫网络算法（TS—aiNet）．在算法中引入禁忌表,禁忌那些在网络迭代中亲和度不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态;增加一个记忆表,用于保存成熟的记忆细胞;重新定义了Gauss变异方式,保证多样化的有效搜索．利用Markov链证明了算法全局收敛性,分析了算法的复杂度,通过对多个典型系统仿真分析该方法的性能,并与克隆选择算法和aiNet算法进行比较研究．结果表明,该算法在多模态搜索空间中具有更好的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法．     

基于人工免疫算法的导弹火力分配

人工免疫算法是一种近年来新发展起来的优化算法,目前它已被广泛应用于解决许多实际问题,如函数优化、图像处理、组合优化、网络安全、知识发掘、电网规划等许多领域。本文通过对人工免疫算法的研究,阐述其在导弹武器火力分配上的应用。首先描述了导弹火力分配优化问题,并建立了其数学模型;然后设计和实现了一种人工免疫算法;最后运用人工免疫算法求解了该问题。     

基于人工免疫模型的网络入侵监测

首先介绍基于网络入侵监测系统的三种工作方式，随后讨论了一种新的基于人工免疫模型的入侵检测方法，详细介绍了人工免疫工作原理和结构体系，并对其系统特性进行了分析．     

基于人工免疫的网络安全监控模型研究

将人工免疫原理应用到网络安全监控的研究中,进行了基于人工免疫的网络异常数据包的检测与控制,以弥补现有网络入侵检测系统、防火墙系统不足,建立了网络安全的监测、安全控制的计算模型.     

基于人工免疫网络的多峰值函数优化

针对多峰值函数优化中常规方法难以同时搜索出多个极值的问题,借鉴生物免疫系统的相关机理,提出了基于人工免疫网络的多峰值函数优化算法,并在一些典型的测试函数上进行性能测试。实验结果表明,该算法具有很好的全局和局部搜索能力,能够较好地保持抗体的多样性,获得多峰值函数的全部或多个优化解。     

基于改进人工免疫网络的分类方法

针对人工免疫存在的对样本要求高以及压缩阈值难以确定等问题,结合免疫算法和计算机检测的特点,提出了基于双记忆细胞层网络结构和网络邻近细胞消除规则的改进免疫方法.此外,基于物理中量子能级概率分布,提出了一种分层边界的策略.经VC环境下仿真实验,该方法在存在干扰和样本分布不理想时能够简单确定压缩阈值,有较强的适应性,提高了分类的准确率.     

基于人工免疫算法的电梯交通动态分区计算

提出了一种用人工免疫算法实现电梯高峰客流期间动态分区计算的新方法,文中阐述了人工免疫系统的原理,深入剖析了电梯交通的动态分区模型,设计了动态分区模型的人工免疫算法,该算法具有快速收敛性,能够较快地找到电梯交通的最优分区或者次最优分区,有利于提高电梯交通动态分区的实时性,仿真结果表明了该算法的实用性。     

基于人工免疫粒子群优化算法的动态聚类分析

模糊C-均值聚类算法受初始化影响较大,在迭代时容易陷入局部极小值。将粒子群优化算法与模糊G-均值聚类算法相结合,提出一种新颖的动态聚类算法。该算法利用人工免疫思想改进粒子群优化过程,在很大程度上避免了粒子群算法和聚类算法早熟现象的发生,全局搜索能力和局部搜索能力优于同类算法。利用聚类理论中的经验规则kmax≤√n确定聚类数k的搜索范围,在最优粒子基础上进化新一级种群,该方案可有效提高算法的收敛速度。两组数据的仿真实验表明,新算法优于传统模糊C-均值聚类算法,具有收敛速度快和解的精度高的特点。     

基于人工免疫算法的电梯交通动态分区的优化

提出了一种利用新兴的人工免疫算法优化电梯高峰客流动态分区的新方法,实现了非连续楼层的优化计算．剖析了电梯交通的动态分区模型,设计了动态分区模型的人工免疫算法,并对之做了比较仿真研究．仿真结果表明,基于该算法的动态分区在处理客流分布不均匀的电梯交通时,表现出良好的性能．该算法能快速地找到电梯交通的最优分区或者次最优分区,具有一定的应用价值．     

基于免疫机理的动态函数优化算法

基于免疫细胞在生发中心反应时的进化与学习机理，提出了一种新的动态函数优化算法．该算法模拟了多群体细胞以及细胞的多样性、再循环和免疫记忆功能，其特点是，由基群体和克隆群体产生多个搜索子群体，群体细胞的亲和度会反向调节它的变异率，产生并更新大小有限的记忆细胞池，连续检测函数是否变化．用移动峰函数作为动态环境下的测试基准，以离线误差的平均值作为算法性能的评价指标进行了仿真实验．结果表明，所提算法能够在函数变化频率不大的情况下，以较小的平均误差和方差逼近函数最优值，完成动态函数的优化任务。     

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．     

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．     

基于免疫原理的动态多播路由算法

为了避免传统启发式算法在求解多播路由问题时存在的过早收敛问题,提出了一个新的动态多播路由免疫算法(DCOMIA),此算法利用克隆选择和基因库的思想改善了群体的多样性,并评估了二进制串表示的候选个体.同时,提出了一个改进了的动态约束多播路由问题(MDCMR),试验结果表明:此算法求解该动态多播问题是高效的.     

基于人工神经网络动态标定算法的低成本视线追踪系统

针对视线追踪系统成本高、标定算法复杂的问题,研究了一种低成本视线追踪系统.系统采用低成本网络摄像头,采集到的图像首先采用Haar-like特征与肤色结合算法来进行人脸检测,并利用主动表现模型算法和光流法定位并跟踪人脸特征点;然后利用梯度向量法进行瞳孔中心检测;为了提高系统精度和鲁棒性,提出了一种人工神经网络的动态标定算法.实验表明,视线追踪系统不仅具有很好的鲁棒性,而且具有较高的精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°.