基于Copt-aiNet的污水处理过程优化控制

污水处理是一个复杂的动态反应过程,针对如何确定优化控制中关键变量的动态最优设定值,使满足出水水质排放达标的同时降低运行能耗的问题,提出了一种基于人工免疫算法Copt-aiNet(组合优化的人工免疫网络)的污水处理控制策略.首先,利用Copt-aiNet确定第二分区溶解氧质量浓度和第五分区硝态氮质量浓度的最优设定值;再利用控制器跟随最优设定值,对氧传递系数和内回流流量进行控制,进而对曝气能耗和泵送能耗同时进行优化;最后,在仿真平台BSM1上进行仿真实验,结果验证了本文控制策略的有效性,可以在保证出水水质达标的前提下有效降低能耗.     

人工免疫的神经网络预报方法及其应用

针对RBF(radial basis function)神经网络在预测铁水含硅量中出现的预测精度低,收敛速度慢的问题,提出了一种基于免疫识别原理的径向基函数神经网络的学习算法.该算法利用人工免疫原理确定高斯基函数的中心和宽度参数,同时将所识别的数据作为抗原,抗体作为抗原的压缩映射并作为神经网络的隐层中心,利用递推最小二乘法(recursion least square, RLS)确定连接权值,提高了RBF神经网络的收敛速度和精度.应用该模型于某大型钢铁厂高炉铁水硅含量预报的实例中, 实验结果表明, 该模型具有更高的预测精度和更短的训练时间.     

基于免疫粒子群混合优化算法的新型派梯策略

基于人工免疫优化算法和粒子群算法的优缺点可以互补的特性,提出了免疫粒子群混合优化算法,并将其应用于混合电梯群控系统中进行派梯优化.将仿真结果与人工免疫优化算法、粒子群优化算法的结果进行对比,发现免疫粒子群混合优化算法显著地提高了混合电梯群控系统的长时等待率和电梯运行量,而平均等待时间的改善不明显,说明免疫粒子群混合优化算法在优化派梯方案方面表现出良好的效果,具有优越性.     

免疫危险理论在电子邮件分类中的应用

在对危险理论、人工免疫和云模型的研究基础上,提出了一种基于危险理论的电子邮件分类模型并对模型的框架和工作原理进行了详细的描述.实验证明该模型总体性能优于贝叶斯分类,能有效地识别出有害的非我,达到降低伪肯定率和伪否定率的目的.     

基于人工免疫响应的线性系统逼近

提出一种基于人工免疫响应的线性系统逼近算法．给出了人工免疫响应的四元组模型，为免疫响应过程建立了一个可用于工程计算的数学模型；设计了克隆选择、免疫记忆和免疫调节等具体操作，模拟了抗体克隆选择、免疫记忆、基因免疫、免疫耐受等现象，实现了人工免疫响应的记忆学习，基于抗体群的随机状态转移过程，证明了新算法具有全局收敛性．基于两个典型的稳定或非稳定线性系统逼近问题的数值试验表明，无论在固定的区间内搜索还是在动态扩展的区间内搜索，人工免疫响应算法都能得到线性系统的最优逼近模型，算法是有效的。     

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。     

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。     

基于人工免疫机理的赛场态势评估模型

伴随着足球机器人比赛水平的不断提高,对足球机器人赛场的态势做出实时、客观、准确的评估已经成为足球机器人态势评估系统亟待解决的重要问题。在已有相关的研究基础上,运用人工免疫机理对足球机器人赛场态势进行评估建模和研究,提出算法。仿真实验表明,基于人工免疫机理所建立的赛场态势评估模型与传统的态势评估模型相比较,具有实时、定量、自适应等特点;模型能够实时,量化评估赛场上的态势变化,从而为及时地提出对应的策略提供了准确而强有力的依据。     

模糊免疫算法在电路故障诊断中的应用研究

针对传统免疫算法在故障检测中存在的稳定性低、检测性能差等问题,基于模糊数学和生物免疫系统的信息处理的机理,提出一种基于模糊数学策略的免疫算法。介绍了模糊免疫算法的实现过程,并将其应用到模拟电路的故障诊断之中。仿真和实验实例表明,该算法适合于模拟电路故障诊断,有效抑制了误报率,检测率也得以提高。     

危险理论在电子邮件分类中的应用

提出了一种基于危险理论的电子邮件分类模型.该模型在对邮件进行分类之前,利用云模型对危险进行绑定,再由危险信号激活免疫响应.对比试验证明,与贝叶斯分类相比,模型中的算法具有更高的正确率.