人工免疫系统及人工免疫遗传算法在优化中的应用

叙述了人工免疫学的概况及免疫系统的组成,提出了一种新的优化算法——免疫 遗传算法,该算法突出了免疫系统中抗体群合作进化思想.将该方法用于以高炉焦比为优化 目标的优化问题,取得较好的效果.

人工免疫算法及其应用研究

为了有效地解决病态的约束优化问题,提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子,分析了算法的收敛性.人工免疫算法继承了遗传算法“优胜劣汰”的自我淘汰机制,但新抗体的产生方法比遗传算法中新个体的产生方法灵活得多.在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.100个城市TSP问题的仿真实例显示人工免疫算法比遗传算法具有更强的全局搜索能力和收敛速度.

人工免疫记忆分类器多类多维问题研究

本文首先介绍人工免疫系统在分类问题中的应用,以及人工免疫记忆分类器在UCI数据集合上的研究结果,然后将人工免疫记忆分类器与人工免疫识别系统在多类多维问题上进行比较研究,以进一步验证人工免疫记忆分类器的性能。结果表明,人工免疫记忆分类器对于多类多维问题具有良好的性能,效率高于人工免疫识别系统。

基于人工免疫的城轨列控系统信息安全态势评估方法

针对城轨列控系统面临的信息安全风险日益突出的问题,提出基于人工免疫系统的态势评估(AISSA)方法,即利用城轨列控系统数据特性,设计检测器成熟机制和攻击检测方法,实时感知城轨列控系统遭受的网络攻击;设计检测器克隆和变异机制,进一步丰富检测器种群,提高城轨列控系统感知网络攻击的能力;仿真试验模拟城轨列控系统遭受不同强度身份认证拒绝服务攻击和TCP拒绝服务攻击,采用AIS-SA方法感知网络攻击并实时量化系统的安全态势。结果表明:AIS-SA方法感知网络攻击的能力较强,当检测器进化至25代时,对身份认证拒绝服务攻击的检测率为96.81%、误报率为0.25%,对TCP拒绝服务攻击的检测率为98.46%、误报率为1.32%,与其他方法相比检测率较高且误报率较低;此外,AIS-SA方法能表征不同攻击强度下城轨列控系统安全态势,当攻击强度增大时实时态势量化值升高,反之减小;仿真结果验证了AIS-SA方法的有效性和准确性。

人工免疫网络记忆分类并行算法研究

人类免疫系统是极为复杂的、固有并行性、分布式系统。人工免疫系统领域已经开发了许多免疫系统启发的算法,但没有几个显示并行性。论文提出并行人工免疫网络记忆分类系统,给出简单的并行人工免疫网络记忆分类算法。初始结果显示,通过简单的并行化方法,与并行人工免疫识别系统AIRS的比较研究表明,并行人工免疫网络记忆分类系统在并行效率等方面的性能优于后者。

基于人工免疫的入侵检测研究

人工免疫系统与入侵检测系统有许多相似性,本文分析研究了人工免疫原理在网络入侵检测中应用的可行性,结合人工免疫模型建立了一个网络入侵检测系统模型,以改进现有网络入侵检测系统的性能,提高网络系统的安全性,具有分布性、自组织性等特点。

基于标签影响力传播的人工免疫检测器生成算法研究

人工免疫系统利用训练样本对候选检测器进行筛选训练,以产生覆盖非自体区域的成熟检测器用于自体和非自体的区分。传统基于否定选择的检测器生成算法(Negative Selection Algorithm,NSA)通常需要大量有标记的自体训练样本,而实际应用中已标记样本有限,导致检测器训练不足,限制了检测器的检测精度。针对这一问题,提出了一种基于标签影响力传播的免疫检测器训练方法。在属于同一聚类的样本中,通过少量的已标记聚类成员进行标签影响力传播,为聚类中的未标记样本进行伪标记。随后,基于噪声学习的伪标记评估去除低可信的新标记样本。通过了标签评估的新标记样本被加入训练样本集合,以扩展已标记样本规模,提升免疫检测器的训练质量。在7类不同维度和规模的UCI公开数据集上的对比实验结果表明,所提基于标签影响力传播的免疫检测训练算法能够有效提升检测器的训练性能,尤其在训练样本有限或数据集不均衡的情况下,检测器的性能明显优于传统方法,相较于PSA,co-PSA和GFNSA等检测生成算法,检测器的识别精度平均提升了10%。

人工免疫工程综述

概述免疫系统基本概念 ,比较了三大生物信息处理系统 (神经系统、遗传系统和免疫系统 )的特性 ,在此基础上提出了人工免疫工程 (artificialimmuneengineering ,AIE)的概念 ,介绍了AIE的主要方法 ,包括基于免疫网络学说的人工免疫网络模型、基于免疫特异性的否定选择算法和基于接种疫苗及免疫多样性的免疫进化算法 ;阐述了AIE的应用现状 ,包括人工免疫网络在人工智能领域、免疫特异检测在计算机安全领域及免疫反馈和免疫鲁棒自适应特性在智能控制领域的多种典型应用 ;

用于约束优化的人工免疫响应进化策略

基于克隆选择学说及生物免疫响应过程的相关机理,探讨一种新的人工免疫系统模型———人工免疫响应,提出用于解决约束优化问题的人工免疫响应进化策略;基于算法网络拓扑结构的分析表明,新算法比传统的进化策略(μ,λ)-ES具有更大的收敛概率.对10个标准测试问题的测试结果表明,与采用随机排序的进化策略和采用动态惩罚函数的进化策略相比,新算法在收敛速度和求解精度上均具有一定的优势.

基于人工免疫算法的卧式螺旋离心机变频调速控制方法

提出对基于人工免疫算法的卧式螺旋离心机变频调速控制方法的设计与验证分析,根据当前的测定控制需求及标准,先进行离心机变频调速控制指标设置,采用多阶方式,提升离心机变频调速控制效率,设计多阶自适应调速控制矩阵,以此为基础,构建人工免疫测算离心机变频调速控制模型,采用协调矢量控制实现调速控制处理。测试结果表明,对比于传统卧式螺旋离心机变频调速控制测试组、传统FMEA的上悬式离心机变频调速控制测试组,此次所设计的人工免疫算法卧式螺旋离心机变频调速控制测试组最终得出的变频调速控制误差率被较好地控制在20%以下,说明在人工免疫算法的辅助下,当前的离心机变频调速控制方法应用效果更佳,针对性较强,具有实际的应用价值。

基于改进人工免疫算法的天然气泄漏空间关联监测方法

为了实现对天然气泄漏的全面、快速检测,提出基于改进人工免疫算法的天然气泄漏空间关联监测方法。设计天然气泄漏空间关联监测网络,利用各传感器节点采集天然气管道上下游压力、流量、声波等数据。为不同位置传感网络节点分配不同强度等级,以高级网络节点为标准节点,结合各节点位置权值判定相邻节点。各相邻节点间,基于空间相关性,通过滑动窗口的相似度感知异常天然气数据,并通过改进人工免疫算法聚类分析天然气数据空间感知结果,实现天然气泄漏空间关联监测。实验结果说明,所提方法可以有效监测出天然气管道泄漏情况,并即刻断定泄漏地点,监测相对偏差平均值仅为0.12,应用所提方法可提升天然气管道的安全指数,降低管道被损毁程度。

基于人工免疫算法的网络安全风险检测系统研究

为实现计算机网络安全风险的精确化、快速化检测,保证计算机网络运行的安全性可靠性,通过应用人工免疫算法,完成对网络安全风险检测系统设计。首先,介绍网络安全检测技术、人工免疫相关概念。其次,结合网络安全检测需求,完成对网络安全风险检测模型的设计和实现。最后,采用实验对比的方式,验证网络安全风险检测系统的性能。结果表明,本系统具有数据包检测误报率低、检测率高等特点,表现出强大的检测能力,完全符合预期设计标准和要求。希望通过本次研究,为相关人员提供有效的借鉴和参考。

基于人工免疫算法的网络安全风险检测系统研究

为实现对网络安全风险的精确化、高效化检测,本文运用人工免疫算法,设计一种先进、新型的网络安全风险检测系统。首先,介绍人工免疫算法、网络安全风险检测相关理论知识。其次,从系统架构设计、网络安全风险检测模型构建、人工免疫算法应用、系统功能设计四个方面入手,完成系统设计。最后,验证系统性能。结果表明:在人工免疫算法的应用背景下,本文系统所对应的检测风险值与理论值之间存在较小的容偏,能够获得较高的检出率,系统检出率高达9760%以上,有效地提高了风险检测效率和效果。

基于人工免疫原理的NIDS系统和有关算法设计

给出一种基于人工免疫原理的网络入侵检测系统 (NIDS)模型 ,它以频繁序列模式为基础建立自体模式集和异己模式集 ,随后给出了一种有效的模式编码算法 .在这种编码基础上文章提出一种用于检测器生成的集否定选择和克隆选择为一体的算法 .

一种改进的人工免疫算法

简要介绍了遗传算法、人工免疫算法的工作原理。为了克服传统人工免疫算法存在的不足,该文提出一种改进的人工免疫算法,并利用Rosenbrock函数对3种算法进行了试验比较。实验结果表明,该文提出的改进的人工免疫算法较遗传算法、传统的人工免疫算法更为有效。

混合优化人工免疫网络用于过程动态优化

常见的用于求解过程动态优化的方法局部寻优能力强,易陷入局部点;而优化人工免疫网络虽局部寻优能力弱,但不易陷入局部点.针对这些方法的不足,提出了一种新的算法——混合优化人工免疫网络,将优化人工免疫网络植入局部寻优操作和二次响应机制,应用于Park-Ramirez和Lee-Ramirez生物反应器,此算法能以较少的计算代价搜索到最佳控制策略.将其用于模型参数发生变化的Lee-Ramirez生物反应器,实验结果表明,此算法的二次响应机制可以节省85%的评价次数.

人工免疫系统及其在控制领域中的应用

本文介绍了人工免疫系统及其在控制领域中的应用,首先简要介绍生物免疫系统可被发展用于人工免疫系统的相关机理,然后给出基于生物免疫系统机理开发的、并应用于控制领域的人工免疫网络模型和免疫学习算法,接着举例说明近年来人工免疫系统在控制领域中的最新研究结果,最后给出了进一步的研究工作.

人工免疫系统研究及其工程应用

人工免疫系统是一种由生物免疫系统启发的学习外界物质的自然防御机理的学习技术。目前,人工免疫系统已开始成为计算智能研究的新领域。本文首先介绍免疫系统的机理,然后给出人工免疫网络模型和免疫学习算法,接着说明人工免疫系统的最新研究成果,最后指出其进一步研究的方向。

人工免疫系统及其模型分析

目前,受生物免疫系统启发而产生的人工免疫系统(Artificial Immune System,AIS)作为计算智能研究的新领域正在兴起。文中侧重以AIS的基本原理为线索,对其模型加以系统综述。介绍了人工免疫系统的生物原型及生物免疫系统模型。在此基础上讨论了3种人工免疫系统的网络模型:aiNet、骨髓模型及有限资源人工免疫系统。分别介绍了这3种主要模型的来源,详细描述了各个模型的基本思想,并归纳出各个模型的特征。

基于人工免疫算法的网络安全风险检测系统研究

针对现有风险检测系统中存在的误警率高、漏警率高、性能低下及实时性与准确性较差等问题,基于人工免疫算法,研究并设计了一种更高效、准确的网络安全风险检测系统,对风险检测系统总体框架进行搭建,再设计并实现了风险检测系统,经系统测试,该风险检测系统误警率与漏警率均低于1%,具有良好的风险检测性能,显著提高了网络安全防护的准确性,能够有效预防和应对网络中的攻击行为。