环境变异免疫克隆算法解决有约束优化问题

为了克服免疫克隆算法搜索效率低、无法直接对进化经验学习等缺点,设计了环境变异免疫克隆算法,在普通免疫克隆算法中引入环境变异算子,通过环境变量积累进化过程中的经验,使算法具备了一定的学习能力;重新设计了代价函数,采用一种新颖的罚函数排序形式来处理由于约束条件造成的解集空间不连续问题,进而提高了算法的搜索效率及稳定性。通过对13个常用有约束优化问题测试函数的仿真实验,表明了环境变异免疫克隆算法在有约束优化问题上具有很好的性能。

周期变异概率的免疫克隆算法

在传统免疫克隆算法的基础上提出了一种新的基于周期变异概率的免疫克隆算法,该算法进一步提高了收敛速度,有效地克服了早熟现象,很好地解决了类似高维函数优化等复杂问题.通过对比计算实验表明:种群的初始分布对该算法的性能影响很小,且对待寻优空间的全局搜索能力和局部搜索能力以及算法的稳定性与计算速率都要强于简单免疫克隆算法和自适应遗传算法等优化算法.

周期变异免疫克隆算法在压电悬臂梁振动控制中的应用研究

文章首先建立了悬臂梁的振动数学模型和控制传递函数模型,在此基础上设计了基于周期性变异概率免疫克隆优化的控制算法。该算法避免了精确计算系统参数的繁琐工作,改进了悬臂梁主动振动抑振的控制律设计方法,实现了悬臂梁主动抑振的自学习控制,并构建了压电智能悬臂梁的实验系统。通过对比实验表明:文中所提出的算法收敛速度高、控制效果好,并且能够通过学习自动调整控制参数,使用方便。

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。

基于环境策略的免疫克隆约束多目标进化算法

在常规免疫克隆约束多目标进化算法中,优秀不可行解易被淘汰,且无法直接学习进化经验。针对该问题,提出了基于环境策略的免疫克隆约束多目标进化算法。其基本思想是,在约束处理前,通过环境策略用Pareto支配形成初始抗体群,利用一个精英种群对初始抗体群进行存储;约束处理后,用环境策略变异替换克隆变异。数值实验结果表明,新算法不仅可以有效地处理约束条件,而且解的多样性和均匀性均得到一定程度改进。

基于改进免疫克隆选择算法的含分布式电源配电网规划方法

基于改进的免疫克隆选择算法,建立了包含分布式电源的配电网规划数学模型;在免疫克隆选择过程中引入聚类竞争算子及混合变异算子,使免疫克隆选择算法尽快收敛;为解决配电网规划时产生的大量不可行解的问题,借助图论知识和搜索技术给出了不可行解的修复方案,对孤岛、孤链和环进行修复,将非辐射状网络转换为辐射状网络。算例结果验证了该方法的可行性。

采用粒群优化的免疫克隆算法

利用免疫系统的克隆选择机制,结合粒群优化算法的进化方程,提出一种用于函数优化的算法。算法的主要特点是利用免疫处理操作,提高种群的多样性,利用进化方程提高收敛速度。仿真程序表明,该算法能以较快速度完成给定范围的搜索和全局优化任务。

采用种群划分的动态自适应免疫克隆选择算法

为了克服传统免疫克隆选择算法的种群缺乏多样性、抗体选择不具随机性的缺点,提出了一种新型动态自适应免疫克隆选择算法。在该算法求解过程中,根据抗体的亲和度将抗体种群动态地分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整并动态修正每个抗体的变异概率,从而保障了群体多样性,加快了算法的全局搜索速度。实例验证了所提算法具有较好的性能。

面向在线图符识别的免疫克隆选择算法

针对在线手绘图符识别中样本训练存在的"收集足够数量模板或样本并保持其区分度"的难点,提出了一种适合于手绘图符识别的基于检测器生成的克隆选择算法及其评价方法.该算法采用r-连续位不变规则和p-受体编辑生成初始检测器,使算法具有更广泛的搜索空间并不致陷入局部收敛.以手写文字作为实验对象,评价该算法各参数对个体训练的影响,实验结果验证了该算法对手绘图符样本训练及分类的改进.

基于文化免疫克隆算法的关联规则挖掘研究

针对关联规则挖掘问题,给出一种基于文化免疫克隆算法的关联规则挖掘方法,该方法将免疫克隆算法嵌入到文化算法的框架中,采用双层进化机制,利用免疫克隆算法的智能搜索能力和文化算法信念空间形成的公共认知信念的引导挖掘规则。该方法重新给出了文化算法中状况知识和历史知识的描述,设计了一种变异算子,能够自适应调节变异尺度,提高免疫克隆算法全局搜索能力。实验表明,该算法的运行速度和所得关联规则的准确率优于免疫克隆算法。

基于免疫克隆算法的课表编排方案

将高校课表编排问题转化为带约束的多目标优化问题,基于混合编码,应用免疫克隆算法对随机课表编排方案进行优化。通过基于相似性矢量矩的选择方法抑制抗体浓度,保证种群多样性,避免免疫克隆算法陷入早熟收敛。仿真结果表明,该方案在课程合理性、总体满意度和运行时间方面均能取得较好的效果。

自适应混合变异克隆选择算法研究

克隆选择算法是免疫入侵理论中检测器进化的核心。传统免疫克隆选择算法中通过单一的变异很难同时兼顾全局和局部搜索,从而导致容易陷入局部最优或者收敛速度慢等弊端,通过引入文化算法,实现种群空间和信仰空间双层进化,在变异时将全局搜索能力强的柯西变异和局部搜索能力强的混沌变异相结合,提出了自适应混合变异克隆选择算法,利用信仰空间的知识来自适应地确定两种变异的作用时间和作用比例,通过KDDCUP99数据集进行测试,结果显示该算法有较好的收敛性和鲁棒性。

基于改进免疫克隆算法的BP网络权值优化

在简单分析了BP网络的缺陷以及应用遗传算法来优化网络权值存在的不足之后,采用了一种免疫克隆算法对BP网络的权值进行优化,并对算法的变异算子进行了改进,改进后的变异算子把高斯变异与柯西变异有效地结合在一起,兼顾了精确的局部搜索与大范围搜索的优点,在扩大算法搜索范围的同时也保证了算法搜索的精细度。仿真实验结果表明,改进后的免疫克隆算法不仅有效地提高了BP网络学习的速度,还很好地改善了算法收敛性能,克服了遗传算法收敛速度慢,易陷入局部极优的缺点,可以成功地应用于BP网络的权值优化。

一种免疫克隆选择算法在BP网络学习中的应用

在分析BP网络学习存在的问题后,采用了一种免疫克隆选择算法对BP网络的权值进行优化学习,并提出了一种新的变异方法,该变异方法可以根据亲和力的大小自适应调整抗体变异的幅度,与传统的高斯变异相比,不但简化了抗体的编码,还很好地体现了克隆选择算法抗体变异的特点,提高了算法的搜索能力和收敛性能。仿真实验表明,基于这种变异方法的免疫克隆选择算法可以很好地提高BP网络的学习速度,有效地避免算法过早收敛的问题。

基于免疫克隆选择算法搜索GMM的脑岛功能划分

为了得到更好的脑岛功能划分结构,加深人们对其功能组织性的理解,提出一种基于免疫克隆选择(ICS)算法搜索高斯混合模型(GMM)的脑岛功能划分方法(NICS-GMM).该方法基于功能磁共振成像(fMRI)数据,将GMM映射到抗体上;利用ICS算法搜索能够反映脑岛功能分布的GMM,并在搜索过程中融入具有抗噪能力的动态邻域信息,以提高其搜索质量;利用最优的GMM实现对脑岛的功能划分.在划分数为2~12的脑岛功能划分上,新方法搜得的GMM具有最高的似然分数,而且相应划分结果的轮廓系数也达到了最大值.真实脑岛fMRI数据上的实验结果表明,该方法不仅具有更强的全局搜索能力,还可以得到具有较高功能一致性与更强区域连续性的脑岛功能划分结构.

免疫克隆选择算法的改进及其应用

基于生物免疫系统原理,提出了改进的免疫克隆选择算法.引入网割预处理,获得进化终止次数并使初始抗体集的多样性得到控制;采取震荡变异法提高算法的局部搜索精度;引入记忆机制,提高二次免疫收敛速度.本文应用此算法针对大气污染损害率普适公式R_i=1/(1+ ae^(-bx_i))~c 进行参数优化,结果显示改进算法在全局与局部范围内搜索更为细腻,提高了求解精度.

求解高维动态背包问题的克隆修复免疫算法

高维动态背包问题(DKP)为一类较难求解的约束优化跟踪问题。为挖掘生物免疫系统的学习、记忆及识别功能,提出一种处理DKP的克隆修复免疫算法(IACR)。将抗体浓度融入亲和力的设计,运用环境识别规则判断当前环境是否相似或相同。通过环境记忆池保存一定量的记忆细胞,这些记忆细胞参与环境初始种群的产生,可用于提高算法的环境跟踪速度。采用贪婪修补策略提高可行抗体比例。测试IACR对不同变化幅率和频率的高维DKP的跟踪能力,并与4种同类算法进行比较。实验结果表明,IACR能更快速地适应环境变化,并具有较小的环境跟踪误差。

免疫克隆算法在500kV输电线路故障识别中的应用

500kV输电线路是我国广泛使用的高压输电线路,对其故障类型识别进行研究具有重要意义。针对现有的免疫克隆算法提出变异算子双重优化的思路,并将优化后的免疫克隆算法用于解决500kV输电线路的故障识别。对方法的有效性和准确性进行了仿真验证,验证结果表明能更准确、快速地识别线路故障,且有较好的可移植性,可以为其他等级的高压输电线路的故障识别提供参考。

基于改进免疫克隆选择算法的柔性作业车间调度

针对柔性作业车间调度问题,以最小化完工时间为优化目标,提出了1种改进的免疫克隆选择算法。建立了柔性作业车间的调度模型。在初始化种群方面采用多种策略以提高种群的初始质量。构造了自适应变异算子。针对标准免疫算法的缺陷,利用种群分割的思想使其具有多样性,提高全局搜索能力。对6工件10机器的标准测试实例进行仿真,利用遗传算法、模拟退火算法、免疫算法求得的完工时间优化结果分别是47 s、48 s和50 s,利用该文算法求得的完工时间优化结果是45 s,该文算法得到最优解的概率为75%。

免疫算法优化的大气质量评价模型及其应用

针对传统免疫克隆选择算法搜索精度不高的不足,提出了一种改进的免疫克隆选择算法,即引入疫苗接种策略和局部高斯变异算子的免疫克隆选择算法.在疫苗提取、选取和接种过程中引入轮盘赌选择、二进制位基因位选取和接种策略,克服了传统免疫克隆选择算法没有抗体基因交叉的现象,提高了产生优良抗体的比率;通过引入局部高斯变异算子,利用高斯变异的小步长不断地自适应调整,提高了算法的局部搜索能力.此外,算法还采用了扩大搜索空间策略,避免算法陷入局部极值,提高了算法的全局搜索能力.在此基础上,提出了基于免疫克隆选择算法的大气质量评价模型,并将其应用于大气质量评价领域.实验结果表明,该算法有效地提高了求解问题的精度和执行效率,提出的评价模型具有较好的实用性和应用前景.