一种基于免疫算子的SVM算法

SVM是一种基于核函数的机器学习算法,因为它具有良好的推广性和较好的性能,所以成为近些年来大家所关注的热点,但是该算法存在两个问题:一、如何提高SVM的计算精度;二、如何减少计算时间。本文提出一种使用免疫算子的SVM算法,该算法不但能够提高SVM的性能使其更加接近于实际问题,还能避免因问题太复杂使得结果不是最优解的情况。文中最后对样本进行了实验,结果说明了使用免疫算子的方法比经典方法在分类效果上有明显提高。

交叉算子与免疫算子的作用比较

通过应用免疫原理设计免疫算子对交叉结果进行修复,将免疫算子作为"有导向的变异算子"取代经典演化算法中的"盲目的变异算子",可以有效抑制优化过程中的退化现象。该文以旅行商问题为例,通过设置不同的交叉概率和免疫概率,对免疫遗传算法中交叉算子和免疫算子的作用进行研究。实验结果表明,交叉算子的作用在于保证候选解的多样性和建设性(将局部近似最优解组合成全局近似最优解);而免疫算子的作用则是对候选解进行局部优化,二者的结合体现了搜索过程中勘探与开采的统一。

引入免疫算子的遗传算法对作业车间调度结果的影响

解决车间生产调度问题能缩短生产周期,提高生产效率,降低制造成本。通过对作业车间调度问题的分析,提出一种求解作业车间调度问题的免疫遗传算法。该算法通过引入免疫算子,进行抽取疫苗和接种疫苗等免疫机制,充分利用待求解问题的特征信息来指导个体的进化,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度。利用Delphi实现该算法并实例仿真,结果表明免疫遗传算法能有效解决作业车间调度问题。

免疫算子对种群多样性的影响分析

经过多年的发展,研究人员设计出大量的免疫算法来解决多目标优化问题。基于三种免疫算子:克隆选择算子、超突变交叉算子和重组存储记忆算子,并通过分析三种算子何时或以何种方式对免疫算法中种群多样性产生影响,从而对免疫算子与种群多样性之间的联系进行了研究。对NNIA和CMOIA两种经典免疫算法在两个基准问题上进行实验分析,实验结果表明克隆选择算子对于算法多样性有消极影响,而超突变交叉算子和重组记忆存储算子则会帮助算法维护多样性。

遗传算法中“免疫算子”的构造与性能

文章在研究了遗传算法的编码方式、控制参数和算子操作之后,针对其全局收敛性不足的问题,在基本遗传算子的基础上采用免疫遗传算子和保优策略来防止交叉变异中的个体退化,保证遗传算法尽快收敛到全局最优解.阐述了“免疫算子”的构造及运行机理,分析了算法的性能.以25杆桁架结构可靠性优化问题作为例子说明该算法的优越性.结果表明该方法具有较好的收敛性和收敛效率,因此是一种可行的基于可靠性的结构优化策略.

免疫粒子群算法的测试数据生成

为有效改善粒子群算法进化后期收敛速度慢,克服易陷入局部极值的缺陷,提出一种自适应免疫粒子群算法并在面向路径的测试数据生成中得到应用。本文提出自适应的惯性权重的调整方法和学习因子的调节策略,加快算法的搜索速率;引入免疫算法中的免疫算子,提出抗体的浓度调节机制,使得粒子群的多样性更加丰富,提升算法的寻优能力;通过免疫选择操作,避免算法的早熟收敛;以分支函数叠加法构造适应度函数。实验结果表明,该算法避免了粒子群算法早熟收敛现象的发生,有效地提高了测试数据自动生成的效率。

基于免疫学原理降低交叉算子破坏性的研究

应用免疫原理设计免疫算子对交叉结果进行修复,将免疫算子作为“有导向的变异算子”取代经典演化算法中的“盲目的变异算子”,有目的地利用待求解问题的知识抑制优化过程中的退化现象,并应用于旅行商问题。实验结果表明了算法的有效性。

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.

一种新的免疫算子的设计

免疫遗传算法是根据生物的免疫机制原理提出的一种改进的遗传算法。其中最主要的是如何选取疫苗的问题,本文提出一种免疫算子,其主要特点是从当前种群的最佳个体中按一定的概率选取适当长度的疫苗并按一定的概率注入当前个体中,从而简化了传统的对具体问题具体分析中选取疫苗的方法的难度。

多目标优化免疫算法中核心算子抽象

人工免疫系统是受自然免疫原理启发而建立的计算模型,多目标优化问题是当前演化计算的一个重要研究方向。然而,当前的各种免疫优化算法的运行机制和操作过程均不相同。提出一种多目标优化免疫算法的统一表达方法,抽象出免疫算法的3类核心算子的主要原理和运行过程。核心算子可表达经典免疫优化算法NNIA和CMOIA,证明了3类免疫算子表达算法的可行性和高效性。

基于免疫计算的多车物流配送自适应规划仿真

物流配送中的车辆调度是配送管理及决策的关键问题。多车辆的配送过程不仅要考虑车辆的配送效率,还要满足物流的配送时间约束以及车辆的装载率。为实现多车物流配送的自适应规划,引入免疫计算方法,将配送目标看作免疫算子,模仿其在免疫系统中的衍生规律及配送时间、需求点需求等信息。通过权重变换法初步划分待规划任务种群,平衡种群权重值。将物流配送需满足的时间、装载率、行驶距离等作为目标,采用定义法给出对应目标函数。根据免疫计算的遗传寻优步骤,按照目标函数逐一代入,并得出最优的自适应规划方案。仿真结果证明,所提规划方法的车辆配送路径和时间均更短,可以解决多车物流在复杂情况下的配送问题。

免疫遗传算子改进单亲遗传算法的研究

比较传统遗传算法(TGA)和单亲遗传算法(PGA)的异同,进而论述了PGA主要算子的实施方法和现存问题:即由于PGA各算子的随机性过强,难以避免算法的"早熟".为此引入具有强收敛性的免疫遗传算子(IG0),测试表明结合算法IGO-PGA改进了PGA的性能.根据对TSPLIB中3个TSP问题的求解精度和运行时间的比较得出结论:TGA性能低于PGA和IGO-PGA;PGA运行时间短、但求解精度一般;IG0-PGA与PGA时间复杂度相似,而求解精度在3个算法中表现最高,解决130个点的TSP问题(chl30)求解误差低于O.05,生成的路径图具有研究应用价值.

基于免疫遗传算法的含分布式电源配电网重构

为应对仅考虑单一指标的配电网重构的局限性,提出基于网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构模型,并运用免疫遗传算法对其求解,算法中采用基于环的染色体编码方式和交叉变异操作,同时引进免疫算法中的免疫记忆和免疫克隆算子,并提出基于矢量距浓度的选择率、交叉率、变异率和克隆率,选取IEEE33和IEEE69节点配电系统为例进行仿真,分析分布式电源接入对网络的影响,并将文中算法与其他算法进行比较以说明该算法的可行性和有效性。

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.

一种新的求解配电网重构问题的免疫遗传算法

针对遗传算法求解配电网重构问题存在的不足,建立了以网损最小为目标函数的配电网重构数学模型,提出了一种新的免疫遗传算法。该算法的关键在于疫苗库的构建和免疫算子的设计。疫苗库可自动建立和更新,免疫算子由接种疫苗和免疫检测组成。另外,采用了基于基本环路的编码方法、高频变异和大选择压的锦标赛选择算子。IEEE33和IEEE69系统的仿真测试结果表明:该算法符合配电网重构问题的特点,能有效抑制进化中的退化和波动现象,在确保解的质量的同时,具有很快的收敛速度;与传统遗传算法和相关文献中的同类算法相比,该算法在效率和性能方面具有优越性。

基于免疫克隆算子的卷烟物流AGV动态路径规划

为提高卷烟物流系统自动导引小车(Automatic Guided Vehicle,AGV)运行效率,提出一种基于免疫克隆算子的AGV动态路径优化算法。采用栅格法进行路径设计,有效降低有权图法计算时间长、时效性差的影响;基于免疫克隆算子对AGV调度路径进行优化,实现了AGV路径的动态规划。通过实例仿真计算及比较分析,结果表明免疫克隆算法在卷烟物流AGV路径规划中优于遗传算法,为提高AGV系统的运行效率提供了一个新方法。

基于互补免疫算法的变压器故障诊断

基于自组织抗体网络(so Ab Net)的变压器故障诊断方法中没有网络压缩机制,并且网络的初始抗体是随机选取的,网络性能不稳定。针对这一问题,提出了基于互补免疫算法的变压器故障诊断方法,结合变压器故障诊断的特点详细设计了免疫算子以弥补so Ab Net的不足。免疫算子中接种疫苗利用K-means最佳聚类算法为so Ab Net提供初始抗体,并通过免疫选择压缩网络规模,其参数由粒子群算法进行优化。变压器故障诊断实验结果表明,所提出的互补免疫算法能够充分利用系统的先验知识,并有效地提取故障样本的数据特征,与单一智能方法相比具有更高的诊断准确率。

基于并行免疫遗传算法基因表达数据的动态模糊聚类

提出一种改进的并行免疫遗传算法,通过在群体规模上引入"岛"的概念,实现了可变的群体规模;通过在适应度函数内引入免疫算子,避免了算法过早收敛.因此,解决了寻优算法中局部收敛的困扰,提高了获得全局最优解的几率.把此算法应用于斯坦福大学酵母细胞周期表达数据库的数据进行共表达聚类,并将实验结果与Spellman按照功能基因组学进行聚类所得结果进行了对比,证明了所给算法在功能基因组学聚类上的有效性.

基于改进免疫遗传算法的不规则图形排样

在基本遗传算法的基础上提出了针对件排样问题的改进免疫算法;探讨了能记忆排过程先验知识的浓度算子对排样过程的影响,实验证明是有效的。

用于配电网规划的多种群免疫遗传算法

引入免疫算子和多种群概念,提出了一种用于配电网规划的多种群免疫遗传方法。采用多个种群针对目标函数的不同方面进行优化搜索,并借鉴生物免疫机制对每个种群的染色体进行免疫算子操作。种群之间通过优秀个体转移进行交互,可有效地防止种群退化,提高种群的多样性。以年费用最小为目标建立配电网规划的数学模型,提取“单个子路造价最小”和“电阻值最小”两种疫苗,并用其指导多种群搜索,有效地克服了遗传算法早熟收敛现象。同时给出初始可行方案的生成步骤和基于支路交换思想的不可行解处理方法。求解一个10 kV配电网规划问题,计算结果表明该算法能快速获得规划问题的最优解。同简单遗传算法相比,整个算法具有更强的收敛速度和全局搜索能力,用于配电网规划是可行有效的。