基于免疫优势的克隆选择聚类算法

基于克隆选择原理和免疫优势理论,本文提出一种新的基于免疫优势的克隆选择聚类算法(Immun-odomaince based Clonal Selection Clustering Algorithm,IDCSCA),该算法通过在经典的克隆选择算法框架中,引入基于免疫优势理论的免疫优势算子实现了在线自适应动态获得先验知识和个体间的信息共享.新算法首先通过对群体中若干最优抗体的分析,提取免疫优势,然后将其推广到整个抗体群,通过在进化过程中利用积累的先验知识,在保证抗体种群多样性的基础上加快收敛速度.采用个5个数据集对算法性能进行了测试,与模糊C均值算法(Fuzzy C-means,FCM)、基于遗传算法的模糊聚类算法(Genetic Algorithm based Fuzzy C-means,GAFCM)以及基于克隆选择的模糊聚类算法(Clonal Selection Algorithm based Fuzzy C-means,CSAFCM)比较,结果表明IDCSCA能有效避免聚类中心迭代过程中陷入局部最优点的问题,而且聚类性能更稳定.

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。

免疫优势克隆算法

借鉴生物免疫学的有关理论,该文阐述了用于人工免疫系统的免疫优势概念,包括抗体免疫优势和抗原免疫优势.进一步地,构造了不同的免疫优势算子,并结合抗体克隆选择机理,提出了一种新的混合人工免疫系统算法一免疫优势克隆算法.0-1背包问题和复杂函数优化问题的仿真试验表明,新算法具有处理类似复杂问题的能力,且性能要优于相应的遗传算法.

基于免疫优势克隆文化算法的故障诊断方法及其在TE过程中的应用

免疫优势克隆选择算法是一种新型的免疫算法,具有较强的局部和全局搜索能力。将其与文化算法结合,提出一种新型的免疫优势克隆文化算法,它可以更好地利用先验知识指导种群进化;并设计了新的动态接受函数来促进文化算法内部知识更新,提高算法的搜索能力。将该算法用于支持向量分类器的核参数优化中,构造性能良好的分类器,并将其用于Wine dataset的数据分类和化工TE过程的故障诊断中,实验结果表明,该算法能够准确地对SVM的核函数参数进行寻优,提高了故障诊断的准确性,具有应用推广价值。

基于克隆选择的免疫粒子群优化算法

粒子群优化算法在进化中随种群多样性降低易出现早熟收敛等问题。针对这一问题,在粒子群算法中引入免疫克隆选择算法的思想,提出了基于克隆选择的免疫粒子群优化算法(I mmune Particle Swarm Optimization,Immu-nePSO),即在算法进化过程中,引入克隆复制算子、克隆高频变异算子、克隆选择算子。成比例克隆复制可以使优良个体得到保护,加快算法收敛;高频变异为新个体的产生提供了新的途径,可以增加种群的多样性;克隆选择算子从所有子代、父代中选择出最优个体,避免算法退化。最后通过对基本测试函数的仿真试验,验证了算法不仅可以增加种群的多样性,加快算法的收敛速度,而且提高了最优解的精度,有效地避免算法陷入到局部极值。

基于免疫克隆选择算法的固定费用运输问题优化

固定费用运输问题(fcTP)是物流运输中的高级问题,属于NP难题,较难得到最优解。针对现有方法存在的不足,提出了基于免疫克隆选择的fcTP求解算法。在该算法中,抗体采用矩阵形式编码,初始抗体群随机产生,通过迭代进行克隆选择、克隆抑制、基因变异等操作,对潜在解空间进行寻优搜索。实验结果表明,对于fcTP的优化,免疫克隆选择算法能够快速收敛于全局最优解,克服了遗传算法收敛速度慢和容易陷入局部最优的缺点。

一种改进的动态克隆选择免疫算法在入侵检测中的应用研究

给出自体、非自体、抗原、抗体、免疫细胞的定义,改进亲和力计算公式,提出可控变异和随机变异方法并以此改进动态克隆选择算法。设计并实现基于该改进免疫算法的入侵检测系统(IDS)模型,仿真实验表明,改进后的算法有效提高入侵检测系统的自适应性。

基于免疫克隆选择算法的图像分割

图像分割是图像处理领域中不可缺少的一个分支。该文基于阈值分割方法,将免疫克隆选择优化算法应用到图像分割中,提出了一种新的图像分割算法。详细叙述了算法机理,并对算法复杂度进行了理论分析以及实验数据比较。在仿真实验中,将遗传算法和免疫克隆选择算法分别独立运行10次,对10次得到的阈值以及均值、方差进行了比较,并将函数评价次数作为算法复杂度的评价指标。该文算法不仅能够对图像进行准确的分割,而且在同样的种群规模下能够以较少的迭代代数和较低的函数评价次数得到最优阈值。仿真结果表明,该方法应用在图像分割中是可行的、有效的。

克隆选择免疫遗传算法对高维0/1背包问题应用

针对遗传算法求解高维背包问题收敛速度慢、易于陷入局部最优的缺点,基于生物免疫系统克隆选择原理,提出一种克隆选择免疫遗传算法。该算法中抗体采用二进制编码,通过抗体浓度设计抗体亲和力,进化群分离为可行群和非可行群,进化过程仅可行抗体动态克隆和突变,非可行抗体经修复算子获可行抗体。数值实验中,选取三种著名的算法用于四种高维的背包问题求解,结果表明:所提算法较其他算法具有更强的约束处理能力和快速收敛的效果。

自适应免疫克隆选择文化算法

免疫克隆选择算法中,单纯采用克隆选择机制的全局收敛能力较差,而采用(μ+λ)选择机制则容易陷入早熟收敛.为兼顾算法的搜索和探索能力,提出一类自适应免疫克隆选择文化算法.该算法采用文化算法的双层进化机制,提取并利用进化过程中的隐含知识,有机结合克隆选择和(μ+λ)选择两种机制,从而给出一种基于知识的自适应调整选择机制的混合选择策略.针对标准测试函数的仿真结果表明,该算法具有更稳定的全局收敛性能及较快的收敛速度.

桁架结构优化设计的免疫克隆选择算法

为了解决带有应力约束和位移约束的桁架的尺寸优化问题,将免疫克隆选择算法应用于结构的尺寸优化设计.根据免疫学基本原理,在基本克隆选择算法的基础上引入精英策略,并给出合理的参数值.在桁架结构优化的数学模型中,采用惩罚函数法处理违反约束的情况.最后对几个经典的桁架进行了优化.数值结果表明,改进的免疫克隆算法收敛速度快、鲁棒性好,可以应用于桁架结构的优化设计.

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法,描述了算法的操作过程.采用函数优化仿真实验与进化算法进行比较,结果表明免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题和骗问题.

基于克隆选择原理的免疫算法

提出了一种基于克隆选择原理的人工免疫算法(AIA),该算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异等思想,并将其应用到广义最小生成树(GMST)的求解当中,仿真结果证明提出的免疫算法能迅速收敛到全局最优解,显著提高了全局收敛可靠性和全局收敛速度。

基于免疫记忆克隆选择算法的多目标无功优化

结合免疫记忆学说和克隆选择原理,提出了一种解决多目标无功优化问题的免疫记忆克隆选择算法。该算法针对多目标无功优化问题的特点,采用以拥挤距离为适应度的自适应克隆方式,实现了种群的扩张,保证了所得解集的均匀性;引入非一致性变异算子,使该算法同时具备全局均匀搜索能力和局部精确寻优能力;采用交叉重组算子实现了抗体间的协作,促进不同抗体间信息的交流;通过抗体群更新操作,一方面保证了算法的收敛速度,另一方面确保了所得解集均匀分布;引入记忆单元概念,可以有效抑制寻优过程中出现的退化现象,确保了种群的多样性。以IEEE-14和IEEE-118节点测试系统为例进行仿真计算,结果表明该算法可以有效提高系统运行的安全性和经济性,是求解多目标无功优化问题的有效方法。

基于并行免疫克隆算法的特征选择方法

由于串行化特征选择方法应用于中文海量文本数据集时时间效率较低,提出了一种用于特征选择的并行免疫克隆方法.该方法采用免疫克隆算法搜索特征,利用并行算法评价特征子集,即将种群中个体的亲和度计算并行在多个计算节点上同时进行,从而能较快地获得较具代表性的特征子集.实验结果表明,该方法是有效的.

基于克隆选择原理的自适应免疫性遗传算法研究

针对遗传算法中存在着收敛方向无法控制和没有记忆能力等缺陷,提出了具有免疫功能的克隆遗传算法。该算法把目标函数和制约条件作为抗原,保证所生成的抗体与问题直接相关联,使收敛方向得以控制;对抗原亲和力高的抗体进行克隆记忆,促使优良个体的发育成熟并能有效地遗传到下一代;同时,基于浓度的概念提出对抗体数量进行抑制,确保群体更新的多样性,避免早熟。通过理论分析和实验研究,证明该算法具有快的收敛速度和搜索能力,是一种有效的生物计算方法。

基于免疫克隆选择算法的多用户检测技术研究

为了解决最佳检测器计算复杂度较高的难题,提出一种精简有效的克隆选择算法。把人工免疫系统和神经网络系统的信息处理机制引入到CSA提出了免疫克隆选择算法。所提ICSA通过使用随机Hopfield神经网络制备疫苗构成新的免疫算子,把新的免疫算子结合到克隆选择算法中,不仅加快了克隆选择算法的收敛速度,并提高了克隆选择算法的全局收敛能力。然后在CDMA系统利用此算法设计了新的多用户检测器。仿真结果证明了ICSA检测器能够快速收敛到全局最优解,并且无论抗多址干扰和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。

基于免疫克隆选择算法的马斯京根模型参数估计

针对马斯京根河道洪水演算模型参数估计中所存在的线性化、求解复杂、精度差等问题,提出了一种基于免疫克隆选择算法(ICSA)的马斯京根模型参数估计新方法。实验和应用结果表明,基于免疫克隆选择的马斯京根模型参数估计算法具有求解速度快,计算精度高,算法控制参数设置简便、通用性强等特点,与现有的马斯京根模型参数估计方法相比,该算法显示出更好的优化性能,能够很好地解决马斯京根模型的参数最优估计问题,从而为马斯京根模型参数的估计提供了一种新的更为有效的方法。该算法也可广泛应用于其他洪水预报模型的优化问题。