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。     

基于人工免疫系统的入侵检测系统研究

本文介绍了入侵检测系统的发展概况,陈述了国内外人工免疫系统应用在入侵检测系统方面的研究进程,总结了人工免疫系统应用在入侵检测系统方面的一些研究成果,并阐述了人工免疫系统应用在入侵检测系统方面所存在的一些问题。     

基于改进的无迹粒子滤波算法的列车组合定位方法研究

列车实时定位是保证列车安全运行的重要环节。随着北斗卫星导航系统的发展,北斗卫星已逐步具备应用于列车定位的能力。针对北斗导航定位系统的特点及存在的问题,将SINS系统作为其补充定位方式。由于传统滤波算法在进行状态估计时仍存在粒子退化现象,为了进一步提高估计性能,提出了基于人工免疫无迹粒子滤波算法(AI-UPF)的列车组合定位方法。将人工免疫算法引入UPF算法的重采样过程,对粒子进行克隆和变异,改善了样本集的多样性,减轻了退化现象的影响。用该方法和UPF算法分别对北斗/SINS列车组合定位系统进行仿真实验。结果表明,AI-UPF算法能进一步减小定位误差,滤波效果较好。     

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.     

基于人工免疫理论的异常检测动态模型研究

针对目前基于人工免疫理论的入侵检测系统表现出来的检测率低、误检率高的缺点.本文通过对免疫理论在入侵检测方面的研究,提出一种基于人工免疫理论的异常检测动态模型.该模型采用数据包报文协议分析策略,来应对不同协议报文对系统的攻击;增加了基因库模块,且采用多位点基因重组算法和随机动态生成检测器相结合的方式,使生成的检测器具有多样性和高效性,提高了检测效率.最后,该模型通过模拟仿真实验,并与r-连续位匹配改进算法、LISYS和DynamiCS的实验结果进行对比分析,验证了本文模型的可行性和有效性.     

基于人工免疫算法的光学影像与SAR影像配准方法

提出了一种基于人工免疫算法的光学影像和SAR影像配准方法,该方法从影像上的面状地物入手,仅从识别性较好的光学影像上提取面状地物,先随机给定一组配准参数,将光学影像上面状地物的坐标经仿射变换获得新的坐标,以转换后新坐标在SAR影像上对应区域的均质性为评价标准,并利用人工免疫算法对配准参数进行优化,从而得到影像配准结果.最后,利用WorldView-2和RadarSat-2影像的配准实验验证该方法的有效性,结果表明该方法配准精度可优于2像素.     

Web服务QoS的免疫多信号预测模型研究

合理的服务质量(Quality of Service,QoS)预测是Web服务承诺的重要依据,在很大程度上关系到服务提供者的信誉.为了有效解决服务质量的预测问题,受到免疫系统多信号机制的启发,提出一种服务提供者主动的实时QoS预测模型.在多Agent仿真平台上的模拟实验和分析表明,该模型能够很好地解决实时QoS预测问题,服务提供者能够根据预测结果动态地调整Web服务的QoS承诺,从而有效提高其信誉.     

基于目标进化的aiNet聚类算法

针对aiNet算法中没有定义目标函数、记忆网络动态无规律变化等问题,提出了基于目标进化的人工免疫网络聚类新算法,将人工免疫网络压缩聚类抽象为多目标规划问题,定义了记忆网络的整体进化目标,并采用疫苗注射策略提升免疫学习质量.中心聚类和非线性聚类的仿真结果表明:新算法的聚类质量、压缩质量、参数敏感性等优于原aiNet算法;新算法的平均类散布矩阵迹为4.1420,低于原aiNet的4.2575;样本压缩率比原aiNet算法高8.42%;聚类正确率对压缩阈值的敏感性比原aiNet算法弱.     

基于人工免疫算法的图像直接反馈视觉伺服

提出了一种基于图像直接反馈的平面视觉伺服控制方法,其特点是不需要提取期望图像与反馈图像的图像特征而用人工免疫的智能进化算法直接求解期望图像与反馈图像之间的位置与夹角误差向量,再将此误差信号经视觉控制器转换成机器人空间的位姿增量信号发送给机器人控制器,从而完成视觉伺服闭环控制。与传统的基于图像特征的视觉伺服控制方法相比具有更好的通用性与稳定性。对算法的关键技术、实现步骤及参数选择进行了深入分析,并通过实验验证了所提方法的有效性与稳定性。     

用于异常检测的单级免疫学习算法

基于对多级免疫学习算法(M ILA)的批评性研究,提出了单级免疫学习算法(SILA)。该算法适用于低维度特征量的异常检测,提高了探测器训练的效率和效益,而且对M ackey-G lass时间序列数据的检测取得了很好的实验结果。