AIS在入侵检测中的应用

AIS（artificial immune system）即人工免疫系统,是生物计算的一个新领域。本文对免疫算法与模型,如骨髓模型、负选择模型、克隆选择算法、亲和力成熟和免疫网络模型与应用领域进行了深入地研究。     

一种改进的人工免疫算法在模糊Flow—shop调度问题上的应用

为了克服传统的遗传算法和人工免疫算法的不足，提出一种改进的人工免疫算法。此种算法在进行亲合力计算前利用生成的亲和度矩阵排除相似抗体，大大减少运算量。用此种改进的人工免疫算法优化寻优过程，研究了处理时间不确定并且具有不同交货期窗口的Flow-shop的提前／拖期调度问题。最后，仿真实验验证了算法的有效性。     

Fuzzy-immune PID Control for AMB Systems

In order to improve the dynamic performance of active magnetic hearing systems with highly nonlinear and naturally unstable dynamics, a new nonlinear fuzzy-immune proportional integral-derivative （PID） controller is proposed by combining the immune feedback law with linear PID con trol. This controller consists of a PID controller and a basic immune proportional controller in cascaded connection, the nonlinear function of the immune proportional controller is realized by using fuzzy reasoning. Simulation results demon strate that the active magnetic bearing system with the proposed controller has better dynamic performance and disturbance rejection ability than using the linear PID controller.     

基于一种人工免疫算法的PID参数优化

PID控制器存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间未能很好解决的矛盾，对此．采用抗原和抗体混合编码方法计算抗体浓度，用免疫遗传算法思想对PID参数进行优化，提出一种基于混合编码的PID参数优化算法。仿真结果表明，这种优化算法加快了收敛到最优参数的速度，有效提高了系统的全局稳定性，增强了PID控制器的鲁棒性。     

基于反向选择的网络异常学习行为识别方法

网络学习中,异常学习行为不易及时被察觉和纠正,可能会导致严重的学习问题.网络异常学习行为具有多样性和不确定性,难以通过规则直接界定.借鉴生物免疫系统识别病原体的原理设计的反向选择算法,能自适应识别未知异常,并具有实时性、动态性、多样性、鲁棒性等特征.借助主成分分析法从网络学习行为日志数据中抽取行为特征,构成多维空间的学习行为向量,通过优化训练集改进了反向选择算法并设计了基于该算法的网络异常学习行为识别方法 .在真实数据集上的实验结果表明：该方法的识别率优于朴素高斯贝叶斯、决策树、支持向量机等常用算法,能够及时对异常学习行为进行早期预警,为干预和改进学习效果提供客观依据.该方法不需要人工干预,能识别未知的异常行为,具有多样性和较高的自适应性.     

面向双馈风机的分层型免疫协同进化粒子群算法多参数辨识

双馈异步电机在实际工程运行情况下是一种高度非线性动态系统,并且由于其参数随环境的强变化性,常规方法难以实时得到其高精度参数。结合粒子群算法的高效多模态收敛性能以及免疫机理全局优化能力强等特点,研究了分层型免疫协同进化粒子群算法(co-evolutionary particle swarm optimization algorithm based on hierarchical-particle immune, HICPSO)智能计算模型参数。将该方法应用于双馈电机参数辨识与建模,提出了分层型免疫协同进化粒子群算法的双馈电机在线参数辨识。仿真结果表明该算法只需要采集控制过程中的数据,不需要数据手册的电机设计值等其他参数,且能在双馈电机运行实时跟随电机参数变化。     

基于人工免疫算法的转子系统扭矩扰动识别方法

提出了一种对多支承转子系统在运转过程中所受的扭矩扰动进行识别的方法. 该方法基于人工免疫系统的阴性选择算法,提取转子转速和轴承载荷作为特征参量,首先获得转子系统正常工作状态下的自己模式串,并随机产生初始检测器;进而利用人工免疫系统的进化学习机制,对转子扭矩受扰后获得的异常工况下的非己模式串进行学习和记忆;进化学习后生成典型扭矩扰动下的成熟检测器,能够区分和标记不同类型的扭矩在状态空间上所对应的区域. 实验结果表明:该方法能有效地检测出转子系统异常扭矩扰动,并能对扭矩类型做出很好的识别.      

人工免疫在入侵检测中应用

将人工免疫应用到入侵检测主要出于以下两方面的考虑：1.人工免疫期望通过模拟生物免疫系统的工作原理具备生物免疫系统所特有的抗体多样性、分布式计算,容错计算、动态学习以及自适应和自我监控的能力。2.当前在计算机安全方面使用的技术不能够很好地处理计算机安全领域层出不穷的新问题。经过多年研究,发现人工免疫在这方面起到重要的作用。在此,给出了以前的算法和它的发展及其运行。     

GeGeM:一种人工免疫系统通用基因模型及实现

一个通用的基因模型对于人工免疫系统AIS(ArtificialImmuneSystem)软件设计是必需的。从AIS软件架构设计的角度出发,基因模型应具有一般性、可扩展性、高效率和可用性。提出一个基因模型GeGeM(GeneralGeneModel),通过基因操作实现免疫计算。该模型基于三层结构:元基因、基因序列和基因数据集。其中元基因提供基因序列的规范,基因序列提供基本的公共的基因操作,而基因数据集在此基础上实现训练和检测。进一步,该模型实现并给出实验结果,结果分析表明该模型的可用性和算法的有效性。经讨论比较,该模型具有一般性和可扩展性,可用于建立多用途的AIS软件,也可用于构建特定领域的复杂多样的检测系统。     

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.