基于人工免疫克隆选择算法的无人机三维航迹规划

无人机航迹规划作为一个规模大、约束多、指标多的优化问题,其复杂性导致自动规划比较困难。构建了基于局部极坐标的水平航迹控制变量和基于特定平飞段飞行高度的纵向航迹控制变量,以水平航迹控制变量为优化变量,采用分步规划的策略,建立了基于人工免疫克隆选择算法的无人机航迹自动规划模型,该模型能够充分发挥计算机速度快、容量大的特点,能够对基于预处理结果的人工规划方法进行一定程度的改进。仿真结果验证了模型的可行性和有效性。

基于人工免疫克隆选择算法的遥感图像识别

遥感图像分类受自然环境的复杂性和实际样本数据的分布情况约束,其结果将直接影响对土地利用、覆盖情况的认知。人工免疫系统具有自学习、自组织、记忆的能力,可解决非线性分类问题中的局部极值、鲁棒性等难点。该文将人工免疫系统引入遥感图像分类领域,设计了基于克隆选择算法的遥感图像监督分类方法,并将其应用于广州市遥感影像分类。实验结果表明:与最大似然法相比,该方法具有更高的精度;同时该方法对公路、桥梁等线状城市用地较敏感,适用于快速发展的中心城市的遥感影像分类。

用于多峰值寻优的人工免疫克隆选择算法

提出了一种执行克隆选择原则的强有力的计算方法,算法思想中考虑到在免疫响应产生的较高亲和力的抗体中,选择改进的成熟后代。这种革新算法能关于机器学习解复杂问题,实例结果表明,克隆选择算法对多峰值寻优问题有优良能力。

基于人工免疫克隆选择算法的不可靠测试点优化

针对实际复杂系统诊断与测试过程中普遍存在的不确定性问题,提出测试不可靠条件下基于人工免疫克隆选择算法(artificial immune clone selection algorithm, AICS)的测试点优化选择方法。通过综合考虑故障检测率、隔离率、虚警率以及测试总费用等性能指标,构造了反映测试点集性能的适应度函数,并设计了基于AICS的不可靠测试点优化方案,有效地降低了算法复杂度,时间开销缩减到0.496 s,提高了运行效率。最后用燃油耗量测量系统的耗量组件进行实例验证,结果表明该方法能够获得在满足故障检测率、隔离率、虚警率等性能指标要求下,使得测试总费用最少的测试点集合,并且其综合性能指标优于遗传算法和模拟退火粒子群算法。

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.

人工免疫中克隆选择算法的改进

在传统的基于免疫的克隆选择算法基础上加以改进,引入了再选择的机制,提出了多层次的动态克隆选择算法,对入侵检测的人工免疫模型进行了有效改进,使得对抗原的识别率更为有效.

基于多记忆抗体克隆选择的人工免疫网络算法

在优化克隆算法的研究中,针对传统的克隆选择算法存在收敛性差和局部最优问题,提出一种多记忆抗体克隆选择原理的人工免疫网络算法。在克隆选择算法的基础上通过引入替代阀值因子,利用随机生成的新抗体组成种群替代原种群中对抗原亲和力最小抗体,同时增设变异概率的概念,达到在一定程度上避免记忆抗体种群的退化现象,提高算法的全局优化能力,避免陷入局部最优。仿真结果表明,算法加快了种群亲和力成熟的进程,随着进化代数的增加检测率总体呈上升趋势,能更好的应用于大规模各种识别问题中。

基于定向变异策略的改进克隆选择算法

本文针对克隆选择算法(CSA)存在的问题,如搜索速度慢、收敛精度低、容易陷入局部最优,提出一种基于定向变异的改进克隆选择算法(DMSCSA).该算法引入Halton序列来生成均匀分布的初始化种群,实现对解空间更高效的搜索;采用黄金正弦变异策略在迭代过程中对优秀抗体定向变异,提升算法收敛速度;引入柯西变异策略,能够在保证种群多样性的前提下提高算法跳出局部最优的能力.使用CEC2019测试函数集中的8个不同的测试函数并与其他同类型算法进行对比实验,通过实验结果可知,DMSCSA算法在寻优精度、收敛速度等方面均有提升.

融合多策略改进的克隆选择算法

针对克隆选择算法(CSA)解决复杂优化问题时存在的效率低下、收敛速度慢以及容易陷入局部最优等不足,提出了一种融合多策略改进的克隆选择算法(MSICSA)。首先,引入Sobol序列初始化种群,丰富种群多样性,并提高算法整体稳定性;其次,引入正余弦优化策略加强算法全局搜索能力,避免陷入局部最优而导致算法停滞;最后,引入动态浓度调节策略,调节算法在不同时期搜索空间内的抗体浓度,控制算法加强前期全局搜索以及后期局部寻优能力,并提高算法收敛速度。文中利用12种CEC测试函数及4种算法对MSICSA进行测试及对比,消融实验证明了改进策略的有效性,扰动实验验证了文中算法的稳定性与鲁棒性,对比仿真以及几项实验均表明MSICSA能够有效提升收敛速度和寻优精度,并提高跳出局部最优的能力。

基于改进克隆选择算法的电力物资仓储布局规划系统设计

为了实现对电力物资仓储的布局优化,采用Apriori算法构建电力物资仓储优化模型,在克隆选择模型的基础上,加入疫苗接种策略,构建改进克隆选择模型。测试结果显示,在Sphere函数和Ackley函数上,改进克隆选择算法经过400次迭代后趋于收敛,适应度值为10^(-75)和10^(-17)。对F函数进行求解,改进克隆选择算法取得最优解1.03,平均解1.12,平均优化效率8.20%,标准方差0.07,优化效率提升了14.15%。在对物资进行分类中,改进克隆选择算法准确率分别为94.5%和89.6%。在不同种类的物资出入库中,改进克隆选择算法的最小化出入库时间分别为8.5s、12.7s、20.9s和37.2s。改进克隆选择算法优化了仓储的布局,提升了电力物资配送的效率。

求解0-1背包问题的人工免疫抗体修正克隆算法

基于细胞克隆选择学说,系统地阐述了用于人工智能的抗体修正克隆算子,提出了相应的人工免疫抗体修正克隆算法;利用Markov链的有关性质,证明了该算法的收敛性.针对0_1背包问题的试验结果表明,人工免疫抗体修正克隆算法解决组合优化问题是有效的,与相应的进化算法相比,该算法有效克服了早熟问题、保持了抗体的多样性,而且收敛速度快.

融合黏菌算法与切线飞行的克隆选择算法

针对传统克隆选择算法可能存在收敛速度慢、容易陷入局部最优的问题,提出一种融合黏菌算法与切线飞行的克隆选择算法。首先,结合黏菌算法的位置更新策略对克隆后的种群进行变异,以提高克隆选择算法在迭代过程中的全局搜索能力;其次,提出一种曲线收敛策略来调节算法的搜索能力,从而提高算法的收敛速度;最后,利用切线飞行策略增强算法跳出局部最优的能力。在14个测试函数上进行测试,通过与其他智能算法、改进的克隆选择算法进行对比,并进行Wilcoxon秩和检验。实验结果表明,改进算法在收敛速度和求解精度方面均有较大提升,验证了改进算法具有良好的优化能力。

基于人工免疫系统的克隆-K均值算法

提出了一种用于聚类分析的克隆-K均值算法。基于人工免疫系统的克隆选择算法具有全局搜索能力强,收敛于全局最优解的特点。基于以上优点,在克隆选择算法中引入K-均值算子,对种群中的个体在克隆、变异操作后进行K-均值运算。通过对初始种群的形成、克隆操作、变异操作、替代操作和K-均值操作等过程的描述,提出了完整的克隆-K均值算法。实验研究表明,算法成功解决了K-均值算法对初始值敏感且容易陷入局部最优的缺点,算法明显优于传统的K-均值聚类算法。

基于人工免疫的入侵检测系统负选择并行算法

基于人工免疫的入侵检测技术是网络安全的一个新兴研究领。运用人体免疫系统的出色功能,对负选择算法进行并行化设计,根据程序并行性的条件将串行的负选择算法中的任务进行划分,由多个处理机并行求解子任务,并将子解合并获得问题的解。分析表明,基于人工免疫的入侵检测系统负选择并行算法获得线性加速。

基于人工免疫算法的储粮害虫特征选择研究

储粮害虫特征选择是粮虫图像识别中一个关键的预处理环节。提出基于v折交叉验证训练模型识别率和所选特征个数的特征子集评价准则,将人工免疫算法应用到粮虫的特征选择。该算法从粮虫的17维形态学特征中自动选择出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95.5%以上,并与PCA法、GA法和原始特征法进行了对比,结果表明人工免疫算法降低了特征空间的维数,提高了分类器的识别率,证实了基于人工免疫算法的粮虫特征选择是可行的。

人工免疫系统中反向选择算法的改进

将人工免疫系统运用到入侵检测系统中,近年来已经有了一定的发展。在这个领域中,如何培育出符合需求的免疫细胞,使能够较多地识别非我并较少地识别自我,尽可能地覆盖NONSELF空间,这就是如何培育更好的识别器的问题。反向选择算法是识别器的传统构造算法,该文针对反向选择算法的伪肯定率过高的问题,提出了改进算法,在入侵检测系统中达到的效果更好。

改进型人工免疫否定选择算法的比较研究

针对经典否定选择算法内在运行机制的缺陷,给出了两种改进型否定选择算法,即基于红黑树的快速否定选择算法和基于矩阵形式的否定选择算法,理论分析与仿真实验验证了两种改进型算法的优越性和有效性。

人工免疫中可变识别器反向选择算法研究

将人工免疫系统运用到入侵检测系统中,近年来已经有了一定的发展。在这个领域中,传统的识别器构造算法(反向选择算法)是基于二进制空间的,近年来出现了利于处理更复杂问题的基于真值空间的算法。文章针对基于真值空间的识别器范围不可变的不足,提出了能够生成可变范围识别器的构造算法。该算法不仅加强了反向选择算法的效率和可靠性,而且在复杂性上也没有显著增加。

负选择算法在人工免疫系统中的应用

负选择算法是人工免疫系统中的核心算法之一,其性能对整个系统具有重要意义。负选择算法在选择过程中通常使用的是k连续位匹配规则,由于该匹配规则所固有的特殊性质,无法避免生成互相匹配的检测器。这些互相匹配的检测器在其覆盖空间(对非自体集合)存在非空交集,从而降低了负选择算法所产生的检测器的整体覆盖空间。本文为了避免负选择算法生成互相匹配的检测器,提出一种改进的负选择算法。与传统的负选择算法相比,该算法提高了成熟检测器的整体覆盖空间,使系统的检测能力有所提升。

人工免疫算法及其应用

阐述了人工免疫系统的基本概念,讨论了几种典型的算法,包括基于免疫系统基本机制的免疫算法、基于免疫特异性的否定选择算法、基于免疫系统克隆选择理论的克隆选择算法、基于接种疫苗及免疫多样性的免疫进化算法、AIS与神经网络混合智能算法和模糊免疫系统等;以年代为序简述了AIS发展历史,介绍了AIS在若干具有代表性的领域中的应用情况。最后通过对AIS的特性和存在问题的分析,展望了今后的研究重点和发展趋势。