一种基于免疫原理的遗传算法

本文提出了一种免疫遗传算法（ＩｍｍｕｎｅＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，简称ＩＧＡ）．免疫遗传算法是根据生物的免疫原理提出的一种改进遗传算法，该算法主要体现了生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进，并结合货郎担（ＴＳＰ）优化问题介绍了具体实现方法。

遗传算法在模式识别中的应用

以图像模式识别为代表，根据模式识别的特点，对传统遗传算法的选择策略及操作方法进行了修正，提出一种适于在全图像空间中对已知模式进行识别的遗传算法，它具有尺度和旋转不变性，并在噪声干扰的情况下仍保持良好的自适应性。

遗传算法及其应用

遗传算法是模拟自然界生物进化过程的计算模型。作为一种有效的全局并行优化搜索工具，它具有简单、通用、鲁棒性强和适于并行分布处理的特点以及广泛的应用潜力。本文主要阐述了逍传算法的基本原理、方法和特点，并看重从应用的角度对它的主要研究内容（包括并行实现）进行了较深入的讨论。

基于余弦相似度的文本空间索引方法研究

基于相似度的数据空间索引在数据挖掘及数据可视化等方面有着重要的应用。本文以新闻的标题为研究对象,提出了以 CrossAVL为基础的文本对象层次式聚类方法以及文本信息空间索引算法 FastMap-MDS,有效地保持了文本对象间的相似信息。实验表明,该方法具有较高的效率和精度。

基于免疫算法的TSP问题求解

描述了免疫算法的一种框架结构，并给出了用此免疫算法求解ＴＳＰ问题的具体实现方法，求解结果体现了免疫算法的良好性能。

基于信息素扩散的蚁群算法

蚁群算法是一种新型的搜索算法 ,其模拟的是蚁群依赖信息素进行通信而表现出的社会性行为 .在基本蚁群算法中 ,蚂蚁之间协作不足 ,存在滞后的缺陷 .本文在分析这一算法的基础上 ,提出了一种新的更加忠实了真实蚁群信息系统的蚁群算法 .该算法通过建立信息素扩散模型 ,使相距较近的蚂蚁之间能更好地进行协作 .TSP问题的仿真结果表明了该算法的有效性 .

网络脚本病毒的统计分析方法

基于统计学习理论,提出了脚本病毒的统计分析方法.其主要思想是,对脚本病毒样本代码进行明文的统计分析,得到其关键字的分布概率,以及附加统计信息后,利用该知识识别未知网络病毒.实验结果表明本方法对于未知网络脚本病毒具有很高的识别率.

多态蚁群算法

在分析现有蚁群算法不足的基础上,提出一种新的含多种蚁群、多种信息激素的多态蚁群算法.该算法通过引入不同种类的蚁群,每一蚁群有不同的信息素调控机制,将局域搜索与全局搜索相结合,使搜索、收敛速度大幅度提高.针对 TSP问题的仿真实验结果表明了该算法的有效性.

基于扩展角分类神经网络的文档分类方法(英文)

CC4神经网络是一种三层前馈网络的新型角分类(corner classification)训练算法,原用于元搜索引擎Anvish的文档分类.当各文档之间的规模接近时,CC4神经网络有较好的分类效果.然而当文档之间规模差别较大时,其分类性能较差.针对这一问题,本文意图扩展原始CC4神经网络,达到对文档有效分类的效果.为此,提出了一种基于MDS-NN的数据索引方法,将每一文档映射至k维空间数据点,并尽可能多地保持原始文档之间的距离信息.其次,通过将索引信息变换为CC4神经网络接受的0,1序列,实现对CC4神经网络的扩展,使其能够接受索引信息作为输入.实验结果表明对相互之间规模差别较大的文档,扩展CC4神经网络的性能优于原始CC4神经网络的性能.同时,扩展CC4神经网络的分类精度与文档索引方法有密切关系.

一种有效的用于范例提取的改进聚类算法

针对传统范例提取算法随范例数增加而效率下降快的缺点 ,结合基于选择的 CL ARA聚类方法和 NCL聚类算法的优点 ,给出了一种有效的无监督聚类学习算法 .通过实验表明 ,该算法能在无监督下对范例进行准确归类 ,将它用于 CBR的范例提取中 。

基于免疫遗传算法的装箱问题求解

装箱是一类典型的 NP完全问题 .本文用一种免疫遗传算法来研究装箱问题的求解 .免疫遗传算法在传统遗传算法的全局随机搜索基础上 ,借鉴生物免疫机制中抗体的多样性保持策略 ,大大提高了算法的群体多样性 .实验表明 ,免疫遗传算法具有很好的全局收敛性 。

用一种免疫遗传算法求解频率分配问题

频率分配是一NP完全问题 ,本文用一种基于免疫调节机制的免疫遗传算法来求解 .该算法结构类似于遗传算法 ;核心思想是将个体集构造为抗体网络 ,利用免疫浓度调节机制在个体层次调节个体的多样性 ,同时利用免疫网络调节理论在种群层次调整个体多样性和群体收敛性之间的动态平衡 ,从而克服了一般遗传算法的不足 .本文同时用该算法解决固定频率分配和最小跨度频率分配问题 ,取得了较好的效果 .

基于内分泌调节机制的机器人行为规划算法及其应用研究

借鉴内分泌系统对神经系统与遗传系统的高层调节机制 ,提出了一种新的基于内分泌调节机制的机器人行为规划算法 .此算法中机器人通过神经系统接受环境信息并进行行为决策 ,行为决策的效果通过一种情感学习模型进行反馈 .情感学习模型根据机器人的内、外环境状态 ,产生情感因子 (即生物激素 ) ,再由情感因子来调节神经系统的记忆和行为决策 ,最后神经系统的记忆与行为模式又由遗传系统得以继承 .该算法有效避免了神经系统复杂的自学习过程 ,同时也保证机器人有较强的自适应能力 .为了验证算法的有效性 ,本文做了机器人足球队守门员训练的仿真实验 ,结果也表明该算法具有很强的自适应学习能力 .

一种病毒进化型遗传算法

本文提出一种病毒进化型遗传算法 VEGA.此算法在一般遗传算法的基础上 ,通过对病毒个体和宿主体行为及相互关系的模拟 ,使进化个体的多样性大大提高 ,算法更易趋于全局极优 .模拟实验验证了 VEGA的优良性能 .

基于内分泌调节机制的行为自组织算法

借鉴内分泌系统的高层调节机制,提出了一种新的自主体行为自组织算法.此算法用神经系统接受环境信息,通过一种情感学习模型来产生情感因子(即生物激素),再由情感因子来调节神经系统的记忆和行为决策,最后神经系统的记忆与行为模式由遗传系统得以继承.其优点是避免了神经系统复杂的自学习过程,同时保证系统的行为决策具有较高的自组织、自适应能力.为了验证算法的有效性,倒立摆控制的仿真实验表明该算法具有很强的自适应求解能力.

一种检测器长度可变的非选择算法

检测器生成是非选择算法的关键步骤.已有检测器生成算法在生成检测器时存在“漏洞”区域和冗余检测器问题.提出了一种检测器长度可变的检测器生成算法,不仅可以消除“漏洞”区域,还可以通过相应的检测器优化算法减少冗余检测器,进而提高检测器生成效率和检测效率.对算法进行了分析和实验证明,结果表明,该算法比传统的非选择算法及r可变的非选择算法具有更好的性能.

遗传算法的自适应进化策略及TSP问题的遗传优化

本文研究遗传算法的进化策略，提出了一种在遗传操作层次上将局部搜索方法与基本遗传算法相结合，依据遗传群体的环境参量动态地调整遗传算法的进化策略和控制局部搜索强度的自适应进化策略，并结合货郎担（ＴＳＰ）优化问题介绍其具体实现方法，给出实验结果．

基于食物链的生态进化算法

借鉴生物在生态环境中的能量传递方式一食物链，提出了一种多模式协同的生态进化算法。同时将该算法应用于典型优化问题求解，实验结果表明此算法具有良好的性能。

基于免疫网络调节的改进遗传算法

借鉴生物免疫中的独特性网络调节理论 ,将进化个体对应为免疫系统中的抗体 ,群体适应度增量作为抗原 ,提出了一种改进遗传算法 ,实现了个体群在群体收敛性和个体多样性之间动态平衡的调整。模拟实验表明新算法的收敛性能更佳。

基于形状的小波变换系数广义高斯分布图像检索算法

本文提出一种基于小波变换系数的广义高斯密度分布形状检索算法 .该算法充分利用小波变换变换系数的统计特性 ,形成描述形状特征的特征矢量 .实验证明 ,算法提出的描述方式能够有效体现物体形状特征 .同时 ,算法对于形状的尺度变化 ,平移变化以及旋转变化有着很好的抑制能力 .该算法简单 ,有效 ,是一种有效的基于形状的图像检索算法 .