复杂网络上的一种综合型SIRS模型

提出一个综合考虑人工免疫、反馈机制、群体密度和群体游动等多种因素的SIRS疾病传播模型,通过理论分析和计算机模拟对该模型的动力学行为进行详细研究.结果表明:人工免疫对系统的稳态感染比例和传播阈值都有影响;反馈机制仅对系统的稳态感染比例有影响,但对传播阈值没有影响;群体密度越大,系统的稳态感染比例也越大,但传播阈值反而越小.另外,在群体密度不太大时,群体游动时的稳态感染比例要高于群体静止时的稳态感染比例,这说明群体游动更有利于疾病的传播.     

基于人工免疫和图像直接反馈的视觉伺服控制

传统的基于图像特征的视觉伺服控制方法通用性差,且图像特征的标记、提取与匹配过程复杂.为此,文中提出了一种基于人工免疫和图像直接反馈的平面视觉伺服控制方法.首先采用人工免疫算法求解期望图像与反馈图像之间的位置与旋转误差,然后将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,从而在无需进行图像特征标记与提取的情况下完成视觉伺服闭环控制任务.实验结果表明,采用文中方法能控制机器人准确地跟踪目标物体,控制误差不超过1个像素,说明文中方法是有效和正确的.     

基于目标进化的aiNet聚类算法研究

针对aiNet算法中没有定义目标函数,记忆抗体网络动态无规律变化等问题对算法进行改进,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,提出了免疫网络的整体进化目标和疫苗注射策略,仿真结果表明,新算法的聚类质量、特征压缩质量、参数敏感性等优于原有aiNet算法。     

基于人工免疫的网络安全监控系统

引入人工免疫思想, 采用多Agent技术, 构建一个基于人工免疫体系结构和多Agent的网络安全监控系统, 用以改善传统网络安全监控系统的弊端. 该系统通过引入异常告警, 将免疫系统中的固有性免疫和适应性免疫相结合, 克服了传统网络监控中主机性能瓶颈、 监控内容静态固定、 监控方式单一及扩展性差、 适用范围窄等问题, 提高了网络安全监控系统的效能和可靠性.     

免疫机制在通用访问控制框架中的应用研究

经典的多安全策略支持结构——通用访问控制框架（Generalized Framework for Access Control,GFAC）在加入多个安全策略后效率会出现明显下降,本文借鉴人工免疫系统（Artificial Immune System,AIS）中免疫细胞的学习、记忆,动态演化等特性,将其应用到GFAC中。仿真实验表明,应用免疫机制后GFAC在时间效卒方面具有较大的优势,同时具备一定的自适应性和多样性等特点。     

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。     

人工免疫算法路径规划在林火救援中的应用

为解决复杂环境下双机林火救援路径规划问题,提出用人工免疫算法规划三维飞行航迹。借鉴人工免疫算法规划机器人路径的方法,通过考虑飞机飞行特性和双机路径规划的要求,为双机异地出发同时到达规划出三维飞行路线,并对算法的主要影响因素进行了分析和估计,获得规划航迹的最优参数,用于设计安全高效的飞行航迹。研究结果表明,该方法能规划出复杂环境下双机飞行航迹,利用参数优化后的人工免疫算法不但能快速有效地规划三维航迹,而且丰富了航迹规划方法研究。     

一种量子神经网络说话人识别方法

针对说话人语音特征空间边界存在模糊性的特点,构建了一种量子神经网络识别分类器,用于说话人识别,以改善存在交叉数据的语音特征参数的分类效果。提出了一种基于人工免疫算法的量子间隔训练方法,以改善传统量子神经网络训练算法的不足。以TIMIT语音库为测试语音,与传统BP网络和基于常规梯度下降量子间隔训练算法的量子神经网络做对比实验。实验证明,算法能有效提高说话人识别系统的识别率,同时与高斯混合模型相比,具有更好的抗噪声性能。     

Hybrid anti-prematuration optimization algorithm

Heuristic optimization methods provide a robust and efficient approach to solving complex optimization problems. This paper presents a hybrid optimization technique combining two heuristic optimization methods, artificial immune system (AIS) and particle swarm optimization (PSO), together in searching for the global optima of nonlinear functions. The proposed algorithm, namely hybrid anti-prematuration optimization method, contains four significant operators, i.e. swarm operator, cloning operator, suppression operator, and receptor editing operator. The swarm operator is inspired by the particle swarm intelligence, and the clone operator, suppression operator, and receptor editing operator are gleaned by the artificial immune system. The simulation results of three representative nonlinear test functions demonstrate the superiority of the hybrid optimization algorithm over the conventional methods with regard to both the solution quality and convergence rate. It is also employed to cope with a real-world optimization problem.     

-种求解TSP问题的改进克隆选择算法

为提高人工免疫算法求解旅行商(TSP)问题的效率,提出了一种基于抗体局部最优免疫优势的克隆选择算法(Local Optimization Immunodominance Clonal Selection Algorithm),通过局部最优免疫优势,克隆扩增,动态高频变异等相关算子的操作,提高抗体亲和度成熟的效率,同时引入浓度调节,与抗体克隆删除等操作增加抗体群的多样性,在深度搜索和广度寻优之间取得了平衡.实验结果表明:该算法在收敛速度与最优解等方面均取得了较好的效果.