王磊[1]2001年在《免疫进化计算理论及应用》文中提出自然界中各类生物体的智能行为正越来越受到广大科学工作者的关注，特别是近年来，基于生物信息系统的研究已逐渐成为人工智能研究领域的一个重要内容。有鉴于此，本论文在分析原有进化算法的优越性与存在不足的基础上，借鉴生命科学中免疫的概念与理论，提出了一系列新的算法——基于免疫机制的进化算法。这些算法主要包括：免疫算法，免疫规划和免疫策略。算法的核心在于免疫算子的构造，而免疫算子又是通过接种疫苗和免疫选择两个步骤来完成的。免疫算子的作用是在解决工程实践中一些难度较大的问题时，将有关先验知识和背景理论与已有的一些智能算法有机地结合起来，以提高算法的整体性能。理论分析和仿真研究表明，免疫进化算法不仅是有效的，而且是可行的，并且可以较好地解决原进化算法中出现的退化问题。理论证明，上述叁种算法都是收敛的。 免疫进化计算在本质上讲是一种优化算法，所以它们可以应用于一些诸如自动控制、故障诊断、模式分类、图象识别、优化设计、机器学习和网络安全性等广泛领域，本文在这方面也做了一些初步的尝试。 首先，在人工神经网络的设计方面，已有的一些神经网络模型都是在对生物神经系统认识的基础上，进行了高度简化与抽象的结果。原有模型虽应用广泛，但也存在一些自身难以克服的缺陷。有鉴于此，本文将免疫思想及其理论分别与已有的通用神经网络和性能较为优越的子波神经网络模型相结合，研究并设计了一种能够利用先验知识来对问题进行求解的新型网络，即免疫神经网络，使网络提高了对一些疑难问题的处理能力。 其次，在通信领域，本文主要针对当前研究的一个热点问题——CDMA多用户检测，展开研究。由于CDMA系统使用的扩频码集—般并非严格正交，所以互相关系数会引起各用户间的相互干扰，而且在异步传输信道以及多径传播环境中这种干扰更为严重。本文针对这一问题，探索了采用免疫策略算法来构造和训练RBF网络的可能性和有效性，其中介绍了用于网络训练的具体算法和采用该RBF网络的多用户检测器，从中收到了良好的效果。 最后，针对随当前网络信息系统的不断拓展与延伸，信息保密与安全的重要性日渐突出的问题。我们在研究解决信息传输与处理过程中的安全性、保密性和稳定性等问题的基础上，借鉴生物免疫现象的有关机理，提出并设计了一种基于人工免疫策略D 王磊：酉安电子科吱大学俗士学位论文的计算机信息安全系统。该系统包括两个方面，即信息传输免疫系统和计算机信息处理免疫系统。 总之，自然兔疫系统孕育着丰富的信息处理机制，而基于这种机制的人工免疫系统模型及其应用方面的探索，已逐渐成为国际人工智能研究领域的热点。本文在建立基于自然免疫机理的算法模型方面做了大量的工作，具有一定的创新性。另一方面，本文利用该模型在实践应用方面进行了必要的探索，收到了一些效果和总结了一些经验。深入分析自然免疫现象的内在动因，优化和完善现有算法的模型与结构体系，拓展应用领域将是我们下一步研究的重点和努力的方向。
谭建豪[2]2009年在《自然计算理论及其在系统辨识中的应用研究》文中指出自然界经过亿万年物竞天择、优胜劣汰的演化,形成了复杂多样的生命现象,其间蕴含着丰富的信息处理机制。自然计算的宗旨就是研究自然现象尤其是生命体的功能、特点和作用机理,建立相应的计算模型,服务于人类社会。在系统辨识问题中,面对的是大量原始数据,需要从这些原始数据中提炼出相应的数学模型,在此基础上找出其中隐藏的规律。这些问题很难用传统的确定型模型来描述和基于精确的数学方法来求解。而描述成模糊优化问题往往更为合适。模糊优化方法本质上是多目标优化问题,而遗传算法是解决多目标问题的一种有效方法。模糊优化特别是基于动态模型的模糊优化中的遗传算法有其特殊的本质,有必要加以深入研究。本文在阐述自然计算理论与方法的基础上,研究了自然计算中两类典型的智能算法—模糊优化和遗传算法。针对系统辨识问题,采用模糊优化模型作为其目标函数,利用遗传算法实现该模糊优化问题的求解,并且对该算法的有效性、稳定性、快速性和高精度进行了理论论证和实例验证。本文的主要研究内容如下。(1)论述自然计算基本概念、基本特征及主要研究领域,研究由自然启发获得自然计算模型的映射方法并构造自然计算系统的计算算法。对协同进化计算进行自然计算理念求证。(2)论述系统辨识基本概念,分析经典系统辨识方法和现代系统辨识方法。研究自然计算系统整体框架和自然计算系统中的辨识机制,构造辨识系统的两种典型框架：RFG框架和NFG框架。对这两种框架在来源、适用范围、结构辨识、参数辨识、意义等方面的特点进行分析。(3)讨论模糊优化基本性质和传统模糊优化问题。研究回归方程和神经网络的结构辨识和参数辨识问题,构造回归方程和神经网络参数辨识的效用函数(目标函数)及用最大效用法进行参数辨识的模糊优化模型。(4)对模糊优化问题的遗传算法求解进行深入探讨。构造遗传算法中基于正交设计的初始种群的产生办法、遗传参数适应性调整办法、沿加权梯度方向变异及其权值的自适应调整办法,提出遗传算法的改进策略。从理论上论证基于遗传算法的模糊优化求解的有效性。(5)设计在线性能评估准则和离线性能评估准则,确定系统辨识的性能评估办法。对基于RFG框架的系统辨识问题进行描述,说明回归模型辨识算法的基本策略,构造该算法的主要步骤和方法,并用其求解飞边尺寸设计准则辨识问题；对基于NFG框架的系统辨识问题进行描述,说明神经网络模型辨识算法的基本策略,构造该算法的主要步骤和方法,并用其求解飞边金属消耗设计准则辨识问题。对这两种辨识算法分别进行分析比较。实验验证它们的有效性。本文首次提出了基于RFG框架和NFG框架的系统辨识方法,理论论证和实验验证了它们的自组织能力、数据并行性、泛化能力、全局最优性和自适应能力,是对系统辨识新方法有益的探索,具有广阔的应用前景。
曹鹏彬[3]2007年在《基于人工免疫系统的产品设计方法研究》文中进行了进一步梳理产品设计方法在产品开发中起着重要作用。生命现象蕴涵着无穷的奇妙和灵巧,可为包括产品设计在内的各种复杂问题的有效解决提供启迪和灵感。近年来,随着各种仿生计算技术的不断兴起和发展,基于各种仿生计算方法的产品设计方法不断涌现并取得了令人瞩目的成功。人工免疫系统(Artificial Immune System, AIS)是受生物免疫系统启发而产生的一种新兴仿生计算方法,它提供了一种强大的信息处理和问题求解范式,可为产品设计提供新的智能支持手段。为此,本文研究了基于人工免疫系统的产品设计方法,旨在探索产品设计的新思路和新方法。面向产品设计的叁维空间,即产品设计层次(包括设计问题求解和产品演化机制两个层次)维、设计进程维和产品设计方法维,建立了基于AIS的产品设计框架,旨在为基于AIS进行产品设计提供框架指导。此外,基于AIS解决工程中各种实际问题所具有的共性特点和聚类特征,概括提出了工程免疫计算(Engineering Immune Computing, EIC)的概念,进而在设计问题求解层次构建了基于EIC的产品设计框架作为基于AIS的产品设计框架的一个子框架,以此指导产品设计中的设计问题求解。鉴于基于AIS的产品设计涉及的范围广泛,无法一一展开研究,因而本文在基于AIS的产品设计框架指导下,从一些有代表性的角度出发,开展了相关研究工作。首先,研究了基于EIC的产品功能规划方法。该方法为了克服现有公理设计在处理耦合设计方面存在的不足,通过功能辨识(基于分解操作或免疫聚类学习方法)、功能耦合程度度量(采用两两比较方法并基于叁角模糊数进行度量)以及耦合功能规划(包括解耦和割裂两个操作,割裂实际上可以归结为优化问题,可采用枚举割裂或免疫割裂方法实现),为公理设计过程中出现的耦合设计问题提供功能规划的解决方案。此外,以冷凝器的功能规划为例,对所提方法进行了说明和验证。该部分研究工作探讨了EIC在产品设计中出现的聚类学习和优化两类典型设计问题求解中的应用,说明了EIC可为产品的上游概念设计阶段以及公理设计方法提供有力支持。其次,研究提出了一种面向装配规划问题求解的新方法——基于免疫优化的装配规划方法,不仅能够对产品的装配序列进行优化,还能够对装配操作的工艺进行优化,从而实现了产品装配过程的优化。通过引入多种免疫操作,基于免疫优化的装配规划方法能够较好地实现兼顾全局搜索和局部搜索的均衡搜索,还能够有效处理约束和利用装配的启发式经验知识为装配规划提供指导,从而获得较好的求解质量和较高的装配规划效率。此外,通过比较详细的实例研究,说明了所提方法对于求解装配规划问题的有效性和优越性。该部分研究工作探讨了EIC在产品设计中广泛存在的优化问题这类典型设计问题求解中的应用,同时说明了EIC可为产品的下游工艺设计阶段以及DFA方法提供有力支持。然后,研究了基于AIS的创新设计原理。从信息处理和计算的角度,对AIS所具有的优良特性进行了阐述,进而指出创新设计可以采用创新计算的途径来研究实现,由此分析提出了基于AIS的创新设计构想。此外,建立了一个以免疫创新设计方法(包括面向问题求解的免疫辅助创新设计方法和面向产品演化的免疫设计方法)为核心的基于AIS的创新设计框架,并对主要关键技术进行了讨论说明。该部分研究工作一方面借鉴生物免疫系统运行机制中所蕴涵的计算模式和创新模式,为创新设计提供了一条新颖途径;另一方面说明了AIS可从设计问题求解和产品演化机制两个不同层次为产品创新设计方法提供有力支持。此外,基于产品功能规划的研究成果,开发了基于EIC的产品功能规划原型系统,验证了所提方法的正确性和有效性。
徐雪松[4]2008年在《免疫计算智能及其在系统优化中的研究与应用》文中研究指明生物免疫系统是一个高度进化的系统,它具有高度自适应、分布性、自组织等特性,蕴含着丰富的信息处理机理。人工免疫系统正是借鉴生物免疫系统信息处理机制的而发展起来的智能信息处理技术。由于人工免疫系统具备模式识别、学习和记忆的能力,因此它成为了一种科学及工程领域中信息处理的工具,由此也开辟了计算智能研究的新领域。充分挖掘和借鉴其资源,不断完善并开发新的计算模型和方法,并展开其理论及应用研究,已成为免疫计算智能的重要研究内容。在这种背景下,本文致力于研究基于生物免疫原理的免疫智能优化方法,以免疫计算智能的基本原理为线索,对其研究状况加以系统性的论述,从理论、算法构建及工程应用等方面对免疫计算智能进行分析。针对最优化、机器学习及复杂系统智能控制等优化问题,提出一系列计算智能新方法,并展开理论及应用探讨。仿真实验及应用表明已获算法是可行的且有效的,从不同侧面反映了免疫系统的特定动力学行为,丰富和发展了人工免疫系统的内涵。论文主要研究内容及成果体现在以下几个方面:(1)基于免疫响应原理,建立了免疫智能计算方法的一般框架,给出了免疫优化算法的运行机制及数学模型。所建立的模型及基本算法具有较好的自适应、自学习能力。进而利用Markov链理论及概率论的相关知识探讨该算法的收敛性及收敛速度估计,给出了算法参数分析及运算一般复杂度描述。(2)结合最优化问题,通过在克隆选择过程中引入聚类机制,提出了一种免疫聚类竞争的克隆选择算法。通过聚类将抗体群分成多个子种群来实现其克隆选择策略,增强聚类族中的优秀个体获得克隆扩增实现亲和力成熟的机会,提高抗体群分布的多样性,加速克隆扩增,从而提高抗体成熟力及亲和性。采用了混合超变异算子,使其能快速获取全局及局部最优。将这种基于聚类竞争的免疫克隆算法应用于复杂函数的寻优,研究结果表明,该算法优化能力和保持模式多样性的能力较强,能够获得较好的多模态函数优化效果。具有可靠的全局收敛性及较快的收敛速度。(3)将免疫计算智能方法与机器学习相结合,针对约简属性组合的爆炸问题,将粗糙集属性集合的核属性作为先验信息,引入免疫疫苗的抗体编码,并概率性对种群接种疫苗。将属性集合的分类近似标准作为适应度进化目标进行优化。在克隆选择过程中采用小生境共享机制,促使保存优良种群,采用了竞争扩增、克隆删除、抗体循环补充等思想及相关算子操作,提高抗体群分布的多样性及稳定性,从而获得了多个属性约简及最小约简的平衡,从而实现从多属性集合寻求最优选择。(4)将免疫优化应用于智能控制,重点针对模糊控制优化问题,提出了分阶段免疫模糊控制优化设计方法,分别对模糊控制隶属度参数及控制规则进行优化。利用免疫反馈原理建立相应的免疫控制思想和方法,通过模糊控制的自动调节及自学习的能力,对免疫模糊PID控制进行优化。针对复杂工业过程控制系统,将基于免疫优化的模糊控制和免疫PID控制结合,设计免疫模糊智能控制器。通过自调节的加权因子合成控制输出,进而提出基于免疫智能的综合集成控制思想,将免疫智能控制应用于回转窑烧结炉温控制并进行仿真,证明其有效性和先进性。说明将免疫计算智能应用于控制系统是对现代智能控制方法的有益补充。
刘朝华[5]2012年在《混合免疫智能优化算法研究及其在复杂系统中的应用》文中指出人工免疫系统模拟生物免疫系统进化行为的智能特征,具有自组织、自学习能力,具有解决复杂优化问题的优点。现代工业系统变得越来越复杂,而复杂系统的建模、优化与控制需要高性能的算法来辅助,依靠单一模式的优化方法难以满足系统性能要求。混合免疫智能处理技术为这类问题提供了有效的途径,同时也是人工免疫系统研究的发展方向。基于免疫系统的机理,深入挖掘生物免疫系统中蕴含的智能学习机制并结合其它智能处理方法的优点,本文研究了几类混合免疫智能优化算法及其相关应用,从算法理论、算法设计、性能测试、比较分析到实际应用展开一系列工作。在理论上研究了四类混合免疫智能优化方法,并通过实验仿真验证了算法的有效性；在应用上研究了混沌系统自抗扰优化控制与永磁同步电机系统多参数辨识这两类典型的复杂系统,并获得了良好的控制效果和辨识结果。概括如下：1.引入生态学中的协同进化Lotka-Volterra思想到人工免疫算法中,考虑了群体间的竞争合作关系,构造了一种竞争合作型协同进化免疫克隆选择模型。各子种群内部通过局部最优免疫优势、克隆扩增和动态高频变异等相关算子操作。运用信息熵理论改善种群多样性,所有子种群共享经过免疫杂交提升操作的高层记忆库,通过迁移操作实现整个种群信息共享与协同进化。2.为了扩大解的搜索空间,将粒子群体分为捕食与探索两种模态,建立一种免疫双态粒子群优化方法。对处于捕食状态的精英粒子采用精英学习策略；对处于探索状态的微粒采用探索策略；对微粒个体极值进行免疫克隆优化；对不活跃个体进行免疫受体编辑。算法兼顾了抑制早熟停滞现象和避免冗余迭代。3.融合免疫系统优化原理、协同进化思想及粒子群的邻域信息,构建免疫协同粒子群进化模型。算法采用并行计算框架,整个群体由记忆种群与若干个普通种群构成。普通微粒种群内部通过精英粒子保留、免疫网络及柯西变异等混合策略共同演化新个体；微粒个体极值采用自适应小波学习以加快收敛速度；免疫克隆选择算法对记忆库进行精细搜索；信息交互机制促进信息共享有效降低了算法的冗余迭代。扩大了算法解空间搜索范围,提高了对复杂问题的优化能力。4.利用克隆选择算法与蚁群算法各自的优势,构造了一种免疫克隆选择与蚁群自适应融合优化模型。引入混沌扰动增加抗体种群的多样性,通过克隆扩增、免疫基因等相关算子的操作增强了克隆选择算法搜索的效率；自适应控制参数实现了克隆选择与蚁群优化的有机结合及局部最优搜索策略的应用,克服了抗体种群“早熟”问题,提高了求解精度。5.应用免疫双态粒子群算法对自抗扰控制器进行优化设计。其一,将免疫双态粒子群算法应用于混沌系统自抗扰优化控制中,对自抗扰控制器参数进行优化,应用于混沌系统控制,构建一种基于免疫双态粒子群算法的混沌系统自抗扰优化控制器；其二,利用自抗扰控制器(ADRC)与小脑神经网络(CMAC)各自的优势并构造ADRC-CMAC并行控制器,利用免疫双态粒子群算法对ADRC-CMAC控制器参数进行自学习寻优,构造出一种自抗扰神经网络并行优化控制方法。针对离散混沌系统研究结果表明,以上两种控制方法具有更好的控制性能和较强的鲁棒性。6.构造了一种基于免疫协同粒子群进化算法的永磁同步电机多参数辨识模型方法。永磁同步电机参数辨识结果表明该方法不需要知道电机设计参数先验知识,能够有效地辨识电机电阻,d-q轴电感与转子磁链。同时,当电机参数发生变化时,该方法依然能够有效地追踪该参数变化值。
周飞[6]2013年在《协同进化计算及其在多智能体中的应用》文中进行了进一步梳理协同进化计算的理论和应用是目前的研究热点。进化计算和协同进化算法以其仿生学上的优势,非常适合解决很多传统方法难以解决的问题,尤其是很多难以建立精确的模型的非线性问题。因而被广泛地应用于数值优化领域,机器学习,经济预测,机器人路径规划、导航等智能控制领域。本文以协同进化算法作为研究对象,以旅行商问题和人工智能中经典的围捕问题作为仿真任务,针对协同进化算法存在的问题进行了相应的改进。具体研究工作如下：首先,以提高遗传操作的效率为研究目标,借鉴自然界进化中的远缘杂交理论和进化计算中的精英策略,提出一种基于远缘杂交的精英进化算法。该算法在初始阶段将种群分为精英种群和普通种群,对精英种群则不经过交叉直接进入下一代,对普通种群则基于远缘杂交原则进行交叉,并将子代与精英种群一同组成新子代。仿真实验证明算法能提高种群基因的多样性,避免了算法陷入局部最优。针对TSP实验结果表明,算法具有全局收敛性及较快的收敛速度。其次,将反馈机制引入协同进化中,同时引入了多个适应度函数,提出了一种基于反馈的多适应度协同进化算法,改变了同一种群进化中单一适应度评价的缺陷,提高了收敛速度。最后利用机器人围捕为仿真模型,通过仿真证明了算法的有效性。
谢刚[7]2006年在《免疫思维进化算法及其工程应用》文中指出本文的研究工作属于进化计算与人工免疫系统理论及其在自动化工程技术领域中的应用研究，是目前信息科学、自动化科学、计算机科学的交叉和前沿研究领域。本文研究成果对于实际生产中复杂对象的控制系统设计和性能优化等方面有较大的应用价值和理论意义。 本文主要内容分为两大部分，一是多参数合成思维进化算法及其工程应用，二是免疫思维进化算法及其工程应用。具体包括以下几部分： (1) 在深入分析基本思维进化算法的缺陷及原因的基础上，设计出多参数合成思维进化算法(Multi-parameter Combination Mind Evolutionary Algorithm，MPCMEA)。首先提出关系度、个体趋同、群体趋同和死区空间的定义；然后选取DeJong函数F1作为测试函数验证算法的优化性能；最后利用泛函分析理论中的不动点原理，证明了MPCMEA是一个压缩映射过程，能够收敛到唯一不动点，即全局最优。 (2) 研究和讨论了MPCMEA在模糊控制中的应用。一是采用MPCMEA设计过热汽温控制系统的模糊PID控制器，控制效果优于常规的PID控制器；二是利用MPCMEA全局寻优的特点，搜索所有条件属性进行离散归一化时的分割点位置，建立更完备的水泥回
莫宏伟, 左兴权, 毕晓君[8]2009年在《人工免疫系统研究进展》文中研究说明对人工免疫系统的工程应用历史及现状进行简要概括.针对目前人工免疫系统研究出现的单纯偏重算法研究等问题,在自然计算背景下考察面向工程的人工免疫系统的主要研究进展,包括免疫计算、免疫启发的软、硬件系统等几个重要分支.基于进展情况,对人工免疫系统未来发展方向及面临问题开展讨论和分析.目的是拓展人工免疫系统研究范围,促使免疫学研究成果受到工程研究的重视和吸收,促进人工免疫系统深入发展.
刘若辰[9]2005年在《免疫克隆策略算法及其应用研究》文中提出人工免疫系统(AIS)是一新的模拟自然免疫系统的人工智能方法,它受生物免疫机制的启发,通过学习外界物质的自然防御机理的学习技术,提供噪声忍耐、自组织、自学习、记忆等进化学习机理,结合了分类器、神经网络和机器推理等的特点。因此具有提供解决问题新颖方法的潜力。其研究成果涉及控制,数据处理。优化学习和故障诊断,目前已成为继神经网络,模糊逻辑和进化计算后人工智能的又一研究热点。本文基于抗体克隆选择以及免疫记忆机制,系统探讨了几种人工免疫系统方法,其中包括免疫克隆策略算法、免疫记忆动态策略算法以及免疫记忆策略算法。并且讨论了免疫克隆算法的在一般测度空间上的收敛性及收敛速度问题。通过相应算法在函数优化,组合优化等典型复杂问题中的应用,验证了研究的结果,肯定了其具有解决复杂问题的潜力。论文的主要工作可总结如下:1.由生物引发的信息处理系统可以分为:神经网络、进化计算和人工免疫系统,其中神经网络和进化计算已被广泛地应用于各个领域,而人工免疫系统由于其复杂性,应用相对较少,随着人们对免疫系统机理的进一步揭示,人工免疫系统的研究将在各个领域发挥其重大作用,从而带给人类社会更大的进步。本文系统阐述生物免疫系统被人工免疫系统所借鉴的相关机理,并简要论述人工免疫系统的算法研究和应用研究,总结免疫算法的一般步骤。2.作为生物免疫系统的重要理论假说,克隆选择学说所描述的记忆、学习和进化等特性越来越受到人工智能研究者的重视,但是国内外相应的研究成果很少。本文基于克隆选择机理,提出了多克隆算子和单克隆算子,并进一步研究了利用克隆算子而构造的新的人工智能算法—免疫单克隆策略算法和免疫多克隆策略算法。我们发现克隆算子的实质是在一代进化中,在侯选解的附近,根据亲合度的大小,产生一个新的子群体,从而扩大了搜索范围,多克隆算子还实现了子群间的信息交换,提高了算法的收敛速度,理论分析与仿真实验表明,与传统进化策略相比,免疫克隆策略算法的收敛速度有较大提高,解的多样性明显优越于传统的进化策略。3.为了模拟生物免疫系统的自我调节及记忆机理,并且借助这些机理来有效改善人工仿生算法,本文提出了免疫记忆动态克隆策略(IMDCS),该算法的特点为:(1)评价标准计算是计算亲和度(Affinity),包括抗体-抗原的亲合度
王晓楠[10]2008年在《基于免疫进化算法的神经进化》文中进行了进一步梳理近年来,人们对生物智能系统的关注日益高涨。这其中,尤其以神经网络、进化算法、DNA计算和免疫系统最为重要。免疫神经进化是由免疫算法、进化算法、神经网络的结合而构成的,具有解决实际问题的能力,比如模式识别能力、记忆能力、学习能力、多样性产生能力、噪声耐受、泛化、分布式诊断和优化能力等等。基于生物学原理的新型计算技术不断发展,目的不仅是为了更好的理解生物系统本身,更重要的在于解决工程问题。本文借鉴生命科学中免疫的概念与理论,研究免疫神经进化的原理、算法及应用。首先,简单介绍上述叁种算法的相关概念及性质,分析将叁者结合的可行性,接着提出了免疫进化策略与免疫遗传算法两种算法,最后将这两种算法应用于神经网络的结构和权值的设计中,提出了基于免疫进化策略的神经进化和基于免疫遗传算法的神经进化两种神经进化算法。在基于免疫进化策略的神经进化算法中具体对编码、亲合度设计、浓度设计、基于浓度和亲合度的抗体选择以及抗体变异进行了描述,为了改进算法跳出局部极小的能力,文中专门对免疫进化策略的变异算子进行了研究,经过综合比较,采用了柯西算子作为算法的变异算子,仿真结果显示,虽然基于免疫进化策略的神经进化可以在算法收敛性上满足要求,然而,由于编码问题使得算法的收敛速度较慢,本文进而对抗体基因编码方法进行了改进,提出了基于免疫遗传算法的神经进化,在这种算法中,抗体编码采用了混合编码,并相应的设计出抗体的亲合度函数、浓度函数,并且对交叉变异等操作分别进行了改进,仿真实验对两种算法及其他一些神经网络设计算法进行了比较,结果显示,对于大规模神经网络样本,基于免疫遗传算法的神经进化算法的收敛速度优于基于免疫进化策略的神经进化。但两种算法的全局收敛性能均优于其他算法。两种算法均可以得到最优的神经网络设计方案。
参考文献：
[1]. 免疫进化计算理论及应用[D]. 王磊. 西安电子科技大学. 2001
[2]. 自然计算理论及其在系统辨识中的应用研究[D]. 谭建豪. 湖南大学. 2009
[3]. 基于人工免疫系统的产品设计方法研究[D]. 曹鹏彬. 华中科技大学. 2007
[4]. 免疫计算智能及其在系统优化中的研究与应用[D]. 徐雪松. 湖南大学. 2008
[5]. 混合免疫智能优化算法研究及其在复杂系统中的应用[D]. 刘朝华. 湖南大学. 2012
[6]. 协同进化计算及其在多智能体中的应用[D]. 周飞. 南京邮电大学. 2013
[7]. 免疫思维进化算法及其工程应用[D]. 谢刚. 太原理工大学. 2006
[8]. 人工免疫系统研究进展[J]. 莫宏伟, 左兴权, 毕晓君. 智能系统学报. 2009
[9]. 免疫克隆策略算法及其应用研究[D]. 刘若辰. 西安电子科技大学. 2005
[10]. 基于免疫进化算法的神经进化[D]. 王晓楠. 东北大学. 2008
标签：自动化技术论文; 进化算法论文; 免疫算法论文; 智能算法论文; 神经网络算法论文; 系统辨识论文; 免疫策略论文; 梯度算子论文; 优化策略论文; 计算理论论文; 算法论文;