负选择算法在人工免疫系统中的应用

负选择算法是人工免疫系统中的核心算法之一,其性能对整个系统具有重要意义。负选择算法在选择过程中通常使用的是k连续位匹配规则,由于该匹配规则所固有的特殊性质,无法避免生成互相匹配的检测器。这些互相匹配的检测器在其覆盖空间（对非自体集合）存在非空交集,从而降低了负选择算法所产生的检测器的整体覆盖空间。本文为了避免负选择算法生成互相匹配的检测器,提出一种改进的负选择算法。与传统的负选择算法相比,该算法提高了成熟检测器的整体覆盖空间,使系统的检测能力有所提升。     

免疫网络调节算法及其在固定频率分配问题中的应用

提出了一种免疫网络调节算法(INRA).该算法以Jerne的独特型网络调节理论为基础,将选择、变异等遗传操作算子整合到算法惟一的免疫调节算子中,并用Segel的形态空间计算模型定量指导免疫调节算子的行为.为了证明该算法有效,还针对固定频率分配问题进行了相关实验,结果表明该算法的多样性保持能力和收敛性都相当理想.     

人工免疫控制器的设计及其控制效果的仿真

借鉴生物特异性免疫中T细胞、B细胞协同免疫机理,提出了一种免疫控制器,并将免疫控制器与PID控制器在系统输出控制能力、抗干扰能力、对象参数变化的适应能力等方面做了比较研究.结果表明这种免疫控制器较PID控制器性能优越.     

分布式人工免疫系统的鲁棒性归约模型

利用分布式多真体(Agent)系统的鲁棒性归约模型,将分布式人工免疫系统看作理想的分布式多真体系统,从而把分布式人工免疫系统的鲁棒性分析问题归约为其各个相对独立的模块的鲁棒性分析问题。人工免疫系统包括正常模型建模模块、自体/异体检测模块、已知异体识别模块、未知异体学习模块、异体消除模块和受损系统修复模块。用问题归约法分析人工免疫系统的鲁棒性后,建立人工免疫系统的鲁棒性归约模型,用各个模块的鲁棒性判据和模块之间免疫控制过程的鲁棒性判据表示分布式人工免疫系统的鲁棒性判据。经定理证明,鲁棒性归约模型能分解和简化分布式人工免疫系统的鲁棒性分析问题,通过各个模块的鲁棒性分析问题求解实现该问题的最终求解。因此,分布式人工免疫系统的鲁棒性归约模型是有用的鲁棒性分析工具,为复杂人工免疫系统的鲁棒性分析提供了有效的方法。     

基于人工免疫算法的墙体隔声反向预测

隔声量主要取决于墙板的面密度、材料的杨氏模量和墙的厚度，所测数据参量可以通过资料和实测获得．随着杨氏模量测试技术的发展，这些量越来越精确可靠．文中探讨如何在已知隔声要求的前提下，确定这3个参量，从而确定墙体的材料和构造、为此，在应用统计能量分析法进行建筑隔声预测的基础上，采用人工免疫算法建立单墙的隔声反演模型，在已知期望隔声量的情况下，对墙体的面密度、厚度和杨氏模量（或声波的纵波速度）等参数进行了反向预测，从而可以确定墙体材料和厚度等构造参数。     

人工免疫系统及其在故障诊断领域中的应用

首先介绍了生物免疫系统的机理和特点,并给出了基于生物免疫机理开发的,在故障诊断领域中涉及较多的人工免疫网络模型、反面选择算法及其应用改进,然后给出了国内外人工免疫系统在故障诊断领域中的一些应用成果,最后对人工免疫系统在故障诊断领域中的应用前景和进一步的研究工作进行了展望。     

人工免疫中克隆选择算法的改进

在传统的基于免疫的克隆选择算法基础上加以改进，引入了再选择的机制，提出了多层次的动态克隆选择算法，对入侵检测的人工免疫模型进行了有效改进，使得对抗原的识别率更为有效．     

Anomaly Detection with Artificial Immune Network

Inspired by the immune network theory, an adaptive anomaly detection paradigm based on artificial immune network, referred as APAI, is proposed. The implementation of the paradigm includes： initially, the first is to create the initial antibody network; then, through the learning of each training antigen, the antibody network is evolved and updated by the optimal antibodies. Finally, anomaly detection process is accomplished by majority vote of the k nearest neighbor antibodies in the network. The experiments used the famous Sonar Benchmark dataset in our study, which is taken from the UCI machine learning database. The obtained detection accuracy of APAI was 97.7%, which was very promising with regard to the other classification applications in the literature for this problem. In addition to its nonlinear classification properties, APAI possesses biological immune network properties such as clonal selection, immune network, and immune memory, which can be applied to pattern recognition, classification, and etc.     

人工免疫算法在引水工程中的应用

当前,跨流域调水工程的泵站在运行调度中普遍存在效率低、能耗大的一系列问题,随着我国调水工程建设的增多,针对泵站的优化调度节能降耗越来越受到水利部门的重视。传统的优化调度中采用的动态规划法已经不能很好的解决多约束条件下的泵站优化调度,本文通过人工智能领域的成熟技术一人工免疫算法解决非线性的泵站优化调度问题,由于人工免疫算法具有良好的鲁棒性、智能性、收敛性等特性,在求解泵站总耗能最小的数学模型中体现了很好的效果。     

基于AIA-TSFNN的溶解氧浓度控制方法

针对污水处理过程中溶解氧(DO)浓度的控制具有时变、非线性以及设定值难以跟踪的问题,提出了一种基于人工免疫算法的TS模糊神经网络(AIA-TSFNN)控制方法.首先利用TS模糊神经网络的自学习能力设计了控制器;然后采用人工免疫算法作为TS模糊神经网络的学习方法,对网络的中心值、宽度值以及连接权值进行在线优化,以保证控制器的收敛性,提高控制精度;最后在国际基准仿真平台BSM1上进行实验验证,仿真结果表明,所提方法具有较好的自适应性和鲁棒性,提高了溶解氧的跟踪控制性能.