基于多模态函数优化的改进克隆选择算法

文章分析了deCastro和VonZuben在2002年提出的用于多模态函数优化的克隆选择算法(CLONALG)的不足,并且运用小生境技术、记忆方法、梯度法和相似性抑制法对该算法进行了改造,提出了小生境克隆选择算法(NCSA)。利用马尔柯夫链为数学工具,从理论上证明了NCSA的完全收敛性(CompleteConvergence)。该算法与CLONALG进行了仿真比较实验,不仅验证了NCSA理论上的完全收敛性结论,同时验证了所提算法对于求解多模态问题更为有效,且具有很好的稳定性。

改进的克隆选择算法在模糊规则发现中的应用

提出了利用改进的克隆选择算法发现模糊规则的方法。在该方法中,对规则的评价函数不仅包含规则本身的置信度和蕴涵隶属度等特性,也包含表明规则对规则集整体性能影响程度的量化特性,即一致性贡献和完备性贡献。将该方法用于发现股票20日移动平均线与历史量价之间的模糊规则的仿真试验收到了满意结果。

多架无人机协同航路规划问题研究

针对同时到达的多机协同航路规划问题,采用层次分解的方法,应用小生境克隆选择算法能够为无人机生成多条不同的满足实际需求的可选航路,同时引入协同变量和协同函数的概念,解决规划航路的时间协同问题。仿真结果表明,该方法能够有效地解决多机协同航路规划问题,实现多机协同航路规划的协同控制。

采用层次分解策略的多机协同航路规划

针对多机同时到达的问题,采用层次分解的原则,应用小生境克隆选择算法可以为无人机生成满足要求的多条可选航路,同时引入协同变量和协同函数的概念,解决规划航路的时间协同问题。仿真结果表明,该方法能够有效地解决多机协同航路规划问题,很好地满足了多机协同航路规划的协同控制要求。

一种基于免疫的入侵检测自体集的构造方法

提出一种基于免疫算法的入侵检测自体集的构造方法,将小生境计算与克隆选择算法结合用于构造自体集,保证了自体集数据的多样性。与传统的使用先验知识或随机抽取样本方法构造的自体集相比,新的构造自体集方法更能充分体现正常网络数据的特征。