一种求解TSP问题的改进人工免疫算法

TSP(旅行商)问题作为经典的组合优化问题,已经被证明是一个NP难题。文中提出一种基于改进的人工免疫算法的TSP求解方法。算法模拟了抗体的蛋白质多肽链结构、免疫系统的克隆选择机制以及浓度调节机制,使用了一种新的抗体间的相似性判断方法。另外,在算法的变异算子中还融合了贪婪算法。这些改进使得算法的搜索性能得到提高。实验结果表明与标准遗传算法相比,该算法全局搜索能力强、收敛速度快。     

基于免疫克隆原理的改进粒子群优化算法的研究

提出了一种改进的粒子群优化(PSO)算法来进行函数优化,以克服PSO算法容易陷入局部极值的不足,加快收敛速度,从而实现全局搜索.PSO算法是基于群体智能的随机优化算法,参数结构简单,但收敛速度慢,容易陷入局部极值.通过对PSO算法的深入分析,基于传统的速度--位置更新操作,把免疫克隆(IC)原理引入PSO算法中,将抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力.测试结果表明,该算法完成全局搜索所需的迭代次数明显少于PSO算法,大大缩短了搜索时间,在多维函数最优解的搜索中具有优良的性能.     

共享免疫微粒群算法

将共享机制引入微粒群算法,把群体的粒子适应度更新为共享适应度,对共享适应度高的粒子进行处罚,保留低适应值的粒子为记忆粒子,当全局最好值连续进化若干代无变化时,用记忆粒子和克隆选择来更新粒子.这样既增加了群体的多样性,同时又保存了群体中最好的粒子,从而有效克服了由于微粒群算法多样性差而造成的易陷于局部最优和对多峰值函数搜索效果不佳的缺点,仿真实验验证了该算法的有效性.     

基于竞争学习型否定选择算法的孔洞检测

为了检测人工免疫系统中存在的孔洞,提出一种基于竞争学习的否定选择算法。该算法依据自体集和非自体集产生两个检测器集合,分别对非自体和孔洞进行检测。借鉴竞争型神经网络的特点,检测器之间构成一种竞争学习的关系。针对工程应用中自体集和非自体集可能动态变化的情况,检测器集合会根据当前自体集和非自体集自动更新。仿真实验表明,该算法可以有效地检测出孔洞。     

基于S模型的水下机器人改进人工免疫控制器

为分析水下机器人非线性运动控制系统的特点,采用基于生物免疫生理特性与免疫应答的免疫控制方法,结合Sigmoid非线性模型和函数简化策略,得到改进型免疫控制器.水下机器人仿真试验表明,该控制器具有设计简单、响应速度快、超调小、鲁棒性好等优点.     

增强草鱼免疫功能的复方中草药免疫增强剂筛选

选取920尾草鱼,平均体质量为(62.15±9.78)g,随机分成4个组,每组230尾鱼,其中1个对照组(投喂基础饲料),3个试验组(投喂含中草药免疫增强剂的饲料:基础饲料中分别添加20g/kg中草药免疫增强剂1(T1),2(T2)和3(T3)).每组分别在第0,7,14,21和28d采样测定免疫指标,饲养30d后进行人工感染试验.结果表明各试验组较对照组在吞噬细胞吞噬活力、血清溶菌活力、血清抗菌活力、血清超氧化物岐化酶(SOD)活力和血清过氧化物酶(POD)活力方面均显著升高(p<0.05).T1组、T2组和T3组抗多子小瓜虫感染的免疫保护率分别为0,100%±0.00%和42.50%±6.61%.T1组、T2组和T3组对注射嗜水气单胞菌的免疫保护率分别为15.37%±8.36%,78.43%±8.77%和63.06%±3.37%.研究表明在基础饲料中添加2%复方2可显著提高草鱼的免疫功能和抗病力(p<0.05),在3种试验复方中效果最佳,在生产中有应用价值.     

基于免疫危险理论的手机恶意软件检测模型

为了提高智能手机恶意软件检测的自适应性和有效性,该文提出了基于免疫危险理论的手机恶意软件检测模型,该模型由4个部分组成:数据采集、危险信号生成、共刺激信号生成和预警部分,针对不同的恶意软件,采用微分方法表达危险信号,由自适应抗原提呈细胞产生相应的共刺激信号,最后对恶意软件产生预警.通过实验验证了该文模型的自适应性和有效性.     

一种混合模型在30 MnSi钢变形抗力预测中的应用

利用Gleeble-1500热模拟实验机对30 MnSi钢进行热模拟实验来获取不同变形条件下的变形抗力,提出一种新的混合模型--人工免疫最小二乘支持向量机模型来提高变形抗力的预测精度.在混合模型中,最小二乘支持向量机的最优参数通过人工免疫算法获得.实验结果表明,这种新模型不仅能重现样本数据的变形抗力,而且也能非常精确地预测非样本数据.通过与BP方法相比较,该方法在变形抗力预测的有效性和精确性方面都有很大提高,尤其是网络泛化性能的提高.     

一种新的基于克隆选择原理的人工免疫算法

提出了一种新的基于克隆选择原理的人工免疫算法.该算法基于生物免疫系统的自适应免疫识别机制,通过整合克隆选择过程中的亲和度成熟、阴性选择、免疫记忆、基因库进化和元动力学等关键要素,可在搜索过程中自动获取和积累有关搜索空间的知识,协调利用群体记忆与基因库记忆机制,在资源受限的条件下高效求得问题的解;并对算法的全局收敛性进行了分析.针对STSP问题的实验结果验证了算法的性能.     

基于免疫进化算法的径向基函数网络

基于免疫进化算法，提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法．该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子，缩小了标准进化算法搜索空间的范围，提高了算法的收敛速度．计算机仿真表明，采用这种算法训练的RBF网络达到了较好的性能．