期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于免疫进化机制的多模态函数优化算法 被引量:2
1
作者 毕伟宏 《韶关学院学报》 2007年第3期22-25,144,共5页
基于免疫细胞中不同亲和度抗体具有不同的变异率,最终通过不断进化达到亲和度成熟机理的启示,设计并实现了一个多模态免疫优化算法.算法的主要操作算子包括超变异、正选择、记忆细胞产生和抗体相似性抑制.通过对典型的多模态测试函数进... 基于免疫细胞中不同亲和度抗体具有不同的变异率,最终通过不断进化达到亲和度成熟机理的启示,设计并实现了一个多模态免疫优化算法.算法的主要操作算子包括超变异、正选择、记忆细胞产生和抗体相似性抑制.通过对典型的多模态测试函数进行仿真实验,证明算法可以快速搜索到多模态函数的全局最优解和多个局部最优解,同时也表明该算法具有较强的优化性能. 展开更多
关键词 免疫进化机制 多模态函数优化 亲和度成熟 免疫算法
下载PDF
免疫进化机制及其在时序模式挖掘中的应用研究
2
作者 杨炳儒 秦奕青 宋泽锋 《中国工程科学》 2008年第4期84-89,共6页
针对目前动态数据挖掘中存在的问题,提出基于数据增量的动态挖掘进程概念;在动态挖掘进程和生物免疫进化过程的相似性基础上,提出了知识发现中的免疫进化机制的基本内涵;给出了基于免疫进化机制的时序模式挖掘算法及其实验分析,以验证... 针对目前动态数据挖掘中存在的问题,提出基于数据增量的动态挖掘进程概念;在动态挖掘进程和生物免疫进化过程的相似性基础上,提出了知识发现中的免疫进化机制的基本内涵;给出了基于免疫进化机制的时序模式挖掘算法及其实验分析,以验证理论的正确性和有效性。 展开更多
关键词 动态数据挖掘 免疫算法 动态挖掘进程 免疫进化机制 时序模式挖掘
下载PDF
基于免疫进化粒子群优化的动态聚类算法 被引量:2
3
作者 王磊 吉欢 刘小勇 《计算机工程》 CAS CSCD 北大核心 2009年第8期40-43,共4页
针对粒子群优化算法和传统聚类算法易产生"早熟"现象的不足,把人工免疫系统的免疫信息进化处理机制引入到粒子群优化算法,提出一种基于免疫进化粒子群的动态聚类算法。算法采用线性递减权策略为各个粒子选取适当惯性权值,利... 针对粒子群优化算法和传统聚类算法易产生"早熟"现象的不足,把人工免疫系统的免疫信息进化处理机制引入到粒子群优化算法,提出一种基于免疫进化粒子群的动态聚类算法。算法采用线性递减权策略为各个粒子选取适当惯性权值,利用免疫进化思想改进粒子群优化过程,同时利用聚类经验规则k≤n确定聚类数k的初始搜索范围,以性能代价函数为依据在聚类数目未知的情况下实现动态聚类。仿真实验表明,新算法有效提高聚类正确率,具有收敛精度高和聚类能力强等特点。 展开更多
关键词 免疫进化机制 粒子群优化 线性递减权 动态聚类
下载PDF
动态挖掘进程内在机制研究
4
作者 秦奕青 《北京信息科技大学学报(自然科学版)》 2010年第4期40-44,共5页
针对动态挖掘进程内在运行机理,通过对动态挖掘进程中不同挖掘任务的优化分析以及动态挖掘进程和生物免疫过程之间的对比分析,提出了动态挖掘进程的eDMP机制;定义健壮型协调器,融合进化计算和免疫算法,设计了eDMP机制的实现方案;在理论... 针对动态挖掘进程内在运行机理,通过对动态挖掘进程中不同挖掘任务的优化分析以及动态挖掘进程和生物免疫过程之间的对比分析,提出了动态挖掘进程的eDMP机制;定义健壮型协调器,融合进化计算和免疫算法,设计了eDMP机制的实现方案;在理论分析和方案设计的基础上,给出了eDMP机制的一般流程。实验结果表明,eDMP机制及其实现方案在解决动态挖掘问题上有效、适用。 展开更多
关键词 动态挖掘进程 进化免疫机制 数据挖掘 eDMP机制
下载PDF
Adaptive Immune Evolutionary Algorithms Based on Immune Network Regulatory Mechanism 被引量:3
5
作者 何宏 钱锋 《Journal of Donghua University(English Edition)》 EI CAS 2007年第1期141-145,共5页
Based on immune network regulatory mechanism, a new adaptive immune evolutionary algorithm (AIEA) is proposed to improve the performance of genetic algorithms (GA) in this paper. AIEA adopts novel selection operation ... Based on immune network regulatory mechanism, a new adaptive immune evolutionary algorithm (AIEA) is proposed to improve the performance of genetic algorithms (GA) in this paper. AIEA adopts novel selection operation according to the stimulation level of each antibody. A memory base for good antibodies is devised simultaneously to raise the convergent rapidity of the algorithm and adaptive adjusting strategy of antibody population is used for preventing the loss of the population adversity. The experiments show AIEA has better convergence performance than standard genetic algorithm and is capable of maintaining the adversity of the population and solving function optimization problems in an efficient and reliable way. 展开更多
关键词 evolutionary algorithm immune network ADAPTATION stimulation level.
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部