多目标免疫的风景园林植物布局规划模型

常规景观植物布局规划模型构建方法主要采用大数据技术,通过构建双层规划模型实现景观园林布局规划目标,无法有效剖析植物景观布局影响因子的作用机制,导致模型求解出的目标值高于实际布局规划方案的目标值。基于多目标免疫算法构建风景园林植物布局规划模型,对植物景观布局的影响因子进行分析,明确其作用机制,以此为数据基础,利用多目标免疫算法提取景观群空间尺度特征信息。基于特征信息提取要素,以景观关联度最高、生态环境破坏度最小和空间利用度最大为目标构建综合景观植物布局规划模型,实现风景园林植物布局的合理规划。以实际公园为测试对象,对构建的景观植物布局规划模型进行性能验证。结果证明:所提模型求解出的风景园林植物布局规划目标值均优于对比方案的目标值,提高了景观关联关系值、降低了生态环境破坏值和空间利用实现最大化。

基于多目标免疫算法的变刚度悬架的联合优化

为改善某装有变刚度悬架的轻型客车的平顺性和操纵稳定性,采用MATLAB编制MISA(multi-objective immune system algorithm)的优化程序,与使用Adams-Car建立的整车多体动力学模型组成联合优化模型,对该车前后悬架参数进行了优化.为保证模型的准确性,特对该车轮胎进行了力学性能测试,并通过参数辨识得到了基于魔术公式的轮胎属性文件(Pac2002).模型优化的抗体变量包括前悬架扭杆的扭转刚度、前后减振器的阻尼曲线系数、前后稳定杆的扭转刚度和后悬架钢板弹簧的两级刚度,并以该车实际情况给出了抗体的约束范围和便于编程优化的约束条件.优化目标抗原为国标下的稳态回转试验所达到的稳态最大侧向加速度、基准车速下的蛇行试验的车身横摆角速度和侧倾角,以及80km·h-1、B级路面的前后悬架上方的车架大梁z向加速度均方根值.最后,根据优化结果试制了悬架样件,并在某汽车试验场进行了改进样车的平顺性试验、稳态回转试验和主观评价试验.试验结果表明,所采用的联合优化方法正确可行.这也反映了汽车计算机辅助优化(CAO)技术发展的一种趋势,对未来汽车底盘的虚拟开发及优化具有一定的指导作用.

基于多目标免疫优化的飞机滑行轨迹

以往相关飞机地面滑行预测的研究大都集中在滑行时间的预测上,然而系统的研究不仅是预测时间,也应估计相关的成本,如燃料燃烧。为此,通过多目标免疫优化的方法分开讨论滑行道不同部分,得到一组沿各段不同的滑行轨迹,这些轨迹提供了飞机滑行时间的预估,且有很大的潜力可整合到滑行道优化路由和调度过程中,在降低总滑行时间和油耗的同时找出最佳滑行路径。

多目标免疫遗传算法性能分析及其在柔性作业车间调度中的应用

讨论了一种多目标免疫遗传算法的收敛性和多样性。首先,提出了一种集成免疫思想和遗传算法的多目标优化算法;接着,采用马尔可夫链对算法的收敛性进行了定量分析,证明该算法能以概率1收敛到Pareto最优解集;定性分析了算法的多样性保持策略。最后,结合某柔性车间调度问题的实例,验证了算法的良好收敛性和多样性。

基于多目标免疫算法的无源滤波器优化方法

通过对无源滤波器的优化过程进行分析,并综合考虑滤波性能、投资成本等设计目标,提出了一种基于多目标免疫算法的无源滤波器优化设计方法。仿真结果表明:笔者提出的方法可以准确实现无源滤波器参数的确定并达到较好的滤波效果,具有一定的可行性。

基于多目标免疫算法的滤波器优化设计

针对某地区实际谐波分布的情况分析了其对主网的影响,并利用多目标免疫算法计算滤波器参数的方式,设计了相关滤波器来减少谐波,以减少它对电网的影响。通过算例论证了该方法的有效性和可行性。

针对节点度幂律分布对等覆盖网络的分散式目标免疫

P2P网络的节点度近似服从幂律分布的无标度特性导致了这类网络对随机故障的鲁棒性和对蓄意攻击的脆弱性.为提高其抵抗蓄意攻击的能力,提出了一种经济、高效的分散式目标免疫策略,针对(1)具有最高连接度的节点、(2)具有最高可用性的节点和(3)与具有最高负载的链路直接相连的节点这三类目标实施免疫,设计了基于NoN-indexing机制的熟人免疫方法,能够仅利用网络拓扑局部知识和仅免疫少量关键节点,即可大幅度提高P2P网络的抗蓄意攻击能力.仿真实验结果验证了该分散式免疫策略的经济性和高效性.

基于免疫应答原理的多目标优化免疫算法及其应用

基于免疫应答原理 ,合理地构建免疫算子及引入一种新的小生境技术 ,提出一种解决多目标优化问题的免疫算法 .在此算法中 ,将优化问题的可行解对应抗体及Pareto最优个体对应抗原 ,这种抗原存于抗原群中 ,并应用新的聚类算法不断更新抗原群中的抗原 ,进而获大量的Pareto最优解 ,这些解能很好地分布在Pareto面 (此指由Pareto最优解构成 )上 .理论证明了该算法能获Pareto最优解 .最后 ,将该文的算法与文献 [3]的算法SPEA进行仿真比较 ,获该算法的有效性 ,此表明免疫算法解决多目标优化问题具有广阔的前景 .

免疫克隆选择多目标优化算法与MATLAB实现

本文阐述了用人工免疫算法实现多目标优化的基本原理,深入探讨了在MATLAB环境下如何实现抗体群的克隆、进化、选择以及种群修剪。算法中采用实数编码,每个基因位对应一个目标函数值,由于克隆不存在交叉,本文算法的进化动力完全依靠高频变异。最后,选取了经典测试函数对算法进行了测试,结果表明:Pareto最优解的分布范围广、分布均匀,用MATLAB实现该算法时计算效率高。

基于改进量子免疫克隆多目标优化算法的火力分配问题

针对传统火力分配中存在武器资源浪费的情况,以对敌目标与网络攻击收益最大、己方武器消耗最小为目标,建立一种考虑毁伤概率约束条件的多目标火力分配模型。对标准量子免疫克隆多目标优化算法进行优化,引入了混沌机制,修复不可行解,并对搜索策略和多样性保持策略进行改进,设计了一种改进的量子免疫克隆多目标优化算法。通过实验仿真,验证了模型的正确性与算法的优越性。相比于传统量子免疫克隆算法,改进算法的性能平均提高了23%。

多进化策略自适应免疫多目标进化算法

为了在基于克隆选择的免疫多目标进化算法中提高种群的多样性,提出了一种基于目标函数变化率的多进化策略自适应免疫多目标进化算法,以采用克隆选择的免疫多目标进化算法为基础,根据目标函数的变化率,在不同的进化阶段自适应地选择两种不同的差分进化策略,在保证算法收敛速度的同时兼顾种群的多样性,避免算法陷入局部最优。选用DTLZ测试函数对新算法进行了性能测试,并与其它算法进行了比较。结果显示,新算法解的分布性和均匀性有了一定程度的提高。

基于熟人免疫的复杂网络免疫策略

针对目标免疫和熟人免疫的不足,提出一种综合的免疫算法,即随机选择一些节点,根据节点的不同特征采取合适的免疫措施。本算法保留了熟人免疫的优点,即完全基于本地信息、不需要获知网络的全局结构和识别高连接度节点,在需要免疫的节点数量与目标免疫相同的情况下,具有理想的免疫效果。通过对几种算法在无尺度网络、随机网络以及真实世界网络上进行仿真比较,验证了本算法具有更好的免疫效果和更广泛的应用条件。

基于微博用户关系演化网络的谣言免疫机制研究

在分析随机免疫、熟人免疫及目标免疫三种经典免疫机制在微博用户关系演化网络上的免疫特性的基础上,针对微博用户关系演化网络的具体特点,提出一种新的目标免疫策略。研究表明,当节点吸引度满足均匀分布时,随机免疫和熟人免疫的免疫效果基本一致。当节点吸引度满足指数分布时,熟人免疫的性能较优。研究还发现,对于节点吸引度服从均匀分布及指数分布的情况,目标免疫明显优于其他两种免疫策略,但是低于本文提出的新目标免疫机制。

利用MISA多目标优化的置信规则库分类算法

现有基于置信规则库的分类系统的分类准确率和效率受到系统参数设置以及规则库结构合理性的影响。为了寻找到最佳的参数值和最优的规则库结构,本文结合多目标免疫系统算法(multiobjective immune systemalgorithm,MISA)提出利用MISA多目标优化的置信规则库分类算法。该方法融合特征属性约简思想和差分进化算法思想建立训练模型,采用多目标免疫系统算法对系统复杂度和分类准确率进行多目标优化,从而寻找到分类模型的最优解。在实验分析中,首先将本文提出的置信规则库多目标分类系统MISA-BRM和置信规则库分类系统的实验结果进行对比,从复杂度和准确率两个维度说明本文方法的有效性。同时还将本文方法与现有的其他分类方法进行比较,验证本文方法的可行性和有效性。实验结果表明,本文方法能够有效地对基于置信规则库的分类系统的准确率和复杂度进行多目标优化。

基于多重图形剖分算法的免疫策略

如何免疫网络中较少数量的节点是当前的热点,目标免疫被认为是当前最好的免疫策略,尤其对于无标度网络。考虑到目标免疫可能把网络分割成较小的单元,而多重图形剖分算法可以把图形分成特定大小的单元,并且单元之间具有很少的边相连。因而,采用多重图形剖分算法来免疫ER网络和BA网络。实验结果表明:该策略是可行的。

在线社交网络中的病毒免疫

近年来,随着在线社交网络的发展,人们在移动设备上进行社交活动正变得越来越频繁.然而,系统平台的开放使得病毒及恶意软件能够在手机移动网络上利用社交信息进行传播.所以我们需要找到一种免疫策略,从而快速地阻止网络中的病毒传播.现有的针对在线社交网络的免疫策略无法适应实际的网络结构.因此,我们提出了基于目标免疫策略的模型,通过分析用户的社交信息,制定更为有效的免疫策略.分析比较两种策略下社交网络中的病毒感染情况,我们发现基于目标免疫策略的模型比现有模型更为快速有效.

不均匀网络中的局域搜索免疫

当前研究的热点是怎么样用最小的代价对人群网络或计算机网络进行免疫。基于节点连接的不均匀性提出的目标免疫被认为是最好的免疫策略。在已知邻居节点度数的前提下,在不均匀网络中提出了局域搜索免疫。与目标免疫策略相比,该策略可以通过免疫相等或较少的节点来消灭病毒。实验使用SIS病毒传播模型在ER随机网络、BA无标度网络和两种实际网络中测试了局域搜索免疫策略,它的免疫性能随着聚类系数的增加而增加。

无标度网络中的边免疫策略

针对无标度网络提出一种边免疫策略,与目标免疫相比,该策略可使网络获得更高的传播临界值,并能更好地保持网络的连通性。采用SIS病毒传播模型,分别在BA无标度网络和HEP网络中进行仿真实验,结果表明,该免疫策略可以减少免疫剂量并能有效控制病毒传播。

删除边的免疫策略

为了使用更少的免疫数量且更快地消灭病毒,提出了基于删除边的免疫策略。该策略根据边与重要节点之间的关系,对重要节点直接相连的边或任意两个重要节点与其共同邻居节点之间的边进行免疫。实验使用SIS病毒传播模型,分别在ER随机网络、BA无标度网络和几种实际网络中测试了该策略的免疫临界值以及对应网络的连通度,结果表明:删除边的免疫策略与目标免疫策略相比可以通过免疫较少的节点来消灭病毒,并且可以更好地保持网络的连通性。

异构无线网络中基于免疫计算的联合会话接纳控制

本文研究了单运营商异构网络环境下的联合会话接纳控制问题,给出了一个基于免疫计算的会话接纳控制方案.设计了联合会话接纳控制问题的数学模型,给出了基于免疫多目标优化算法的控制方案框架,并通过仿真实验验证了本文方案.实验结果表明,与文献方案相比,本文设计的接入控制方案在阻塞率和频谱效用之间获得了更好的性能折中,同时更好地兼顾了同一运营商内各个接入网络之间的公平,具有较好应用价值.