考虑水文非一致性变异的河道基本生态流量

考虑水文非一致性变异提出河道内基本生态流量阈值的计算方法与模型,并将其应用于湟水干流上游西宁断面进行例证。采用Mann-Kendal检验和滑动t检验进行水文非一致性变异综合诊断,经还原修正以水文变异前天然流量过程为基准,分别利用广义极值分布流量众值法、历时曲线法、改进年内同频率展布法计算河道内生态流量过程,取其外包线作为河道内基本生态流量阈值。结果表明,西宁站年径流量时间序列突变点是2000年,经还原修正,利用天然径流资料计算得到西宁站枯水期、平水期、丰水期的基本生态流量阈值下限均值分别是11.0、17.6和27.5 m^(3)/s,阈值上限均值分别是17.0、35.6和56.0 m^(3)/s。与已有结果对比,生态流量阈值计算方法具有一定的合理性,更加贴近具有季节性的湟水干流水文生态系统。

一种非一致性的自适应遗传算法与应用

在排序操作的自适应遗传算法的基础上 ,建立了一种非一致性自适应遗传算法。这种算法运用非一致性自适应算子确定变异量 ,使演化系统根据演化进度及解的质量 ,自适应地去调整搜索区域 ,使得算法的全局搜索效率得到明显提高 .实例仿真表明了该算法的有效性。

基于非一致性自适应变异的克隆选择算法

提出了一种基于非一致性自适应变异的克隆选择算法。该算法根据抗体的亲和力自适应地确定相应抗体的变异率,同时采用非一致性变异方法来提高算法的效率。实验证明,与传统的克隆选择算法相比,本文提出的方法所需要的收敛时间更少,且能快速地找到最优解,具有一定的实用价值。

用于求解多目标优化问题的克隆选择算法

提出一种用于求解多目标优化问题的新算法,将抗体群中的抗体分为支配抗体和非支配抗体代替传统算法中对所有个体分配适应度值,以适应多目标优化问题存在一系列无法相互比较的Pareto-最优解的特点;对非支配抗体进行选择,有利于算法向着理想Pareto-前端搜索,而且加快了收敛速度;克隆操作实现了全局择优,有利于得到分布较广的Pareto-前端;采用非一致性变异操作以提高算法的局部搜索能力,有利于所得解的多样性.与已有算法相比,新算法所得的最优解分布最广,很大程度上支配着其他算法得到的最优解,评价指标S降低到了3%以下.

计及用户舒适度与用电成本的空调负荷优化控制方法

智能电网环境下,应用于空调(商业与居民用户最主要的用电负荷)的需求响应措施对电网稳定运行有重要意义。针对用户参与需求响应过程中导致舒适度明显降低的问题,本文提出了一种用户可参与自主决策的空调负荷优化控制方法,基于改进的免疫克隆选择算法,建立了同时考虑用户舒适度与用电成本的空调负荷多目标优化调控模型;并将原始免疫克隆选择算法中的变异算子改进为一种自适应的非一致性变异算子,进一步提高算法的收敛能力,逼近Pareto最优面。仿真及实验结果表明,本文算法在对空调负荷执行基于分时电价的需求响应过程中,能够有效兼顾用户对经济性和舒适性的需求;优化结果相对用户期望值的亲和力得到明显提升,验证了该算法的有效性和优越性。

免疫遗传算法及其在波阻抗反演中的应用

提出一种改进的免疫遗传算法(IGA)并用于波阻抗反演。IGA设计了基于抗体激励度和抗体浓度的免疫选择算子及加速全局收敛的非一致性变异算子,提出了抗体规模自适应调整机制,IGA能够改善传统非线性反演方法易早熟和局部收敛等弊端。通过理论模型试算表明,IGA具有较高的反演精度和反演效率;阳泉二矿实际资料反演所得剖面的纵向分辨率明显高于实际地震剖面,弱反射波的连续性和可检测性明显提高,表明改进的免疫遗传算法适用于煤炭地震波阻抗反演。

基于免疫优势克隆网络聚类的入侵检测

基于智能融合互补的观点,将免疫优势、倒位、克隆选择、非一致性变异和禁忌克隆等多种人工免疫系统算子引入网络结构聚类算法中,构造亲合度函数来指导聚类过程,得到一种能够自学习、自适应的进化网络来进行入侵检测数据的训练学习,通过该网络映射出大规模数据集的内在聚类结构,然后利用图论中的最小生成树对网络结构进行聚类分析,最终获得描述正常和异常行为的数据特征。在KDD CUP99数据集中进行了对比仿真实验,结果表明,该方法可高效地对大规模网络数据进行异常检测,以区分正常和攻击行为,并有效地检测出未知攻击。

改进型粒子群优化在WSNs节点定位中的应用

针对无线传感网络(WSNs)在测距误差影响下存在的节点定位精度问题,提出一种基于改进型粒子群优化的自定位方法。该方法利用未知节点与邻近锚节点之间的距离信息,通过具有跳出局部最优能力的改进型粒子群优化算法取得未知节点的位置。仿真结果表明,该算法与最小二乘估计法相比,具有较高的定位精度和较快的定位速度,且性能稳定,是一种可行的WSNs节点定位解决方案。

自适应多克隆聚类算法及收敛性分析

基于生物体免疫和克隆基本原理,提出一种自适应多克隆聚类算法.其核心思想是将多种人工免疫系统算子用于聚类过程,并以亲和度函数为依据自动调整聚类类别.算法引入重组算子来增加抗体种群中个体的多样性以扩大解的搜索范围,避免算法早熟现象.引入非一致变异算子增强局部求解的自适应性、优化局部求解性能,加快算法收敛速度.另外,还利用Markov链证明算法的收敛性.数据仿真实验结果表明该聚类算法能实现合理有效的聚类.