混沌免疫遗传算法论文-贾花萍,李尧龙,史晓影

混沌免疫遗传算法论文-贾花萍,李尧龙,史晓影

导读:本文包含了混沌免疫遗传算法论文开题报告文献综述及选题提纲参考文献,主要关键词:混沌,免疫网络,遗传算法,入侵检测

混沌免疫遗传算法论文文献综述

贾花萍,李尧龙,史晓影[1](2014)在《混沌免疫遗传算法的网络入侵检测模型》一文中研究指出为了有效地提高入侵检测系统的检测率并降低误报率,提出采用属性约简方法对高维入侵检测数据进行特征选择,剔除无关的属性输入来提高检测效果,将混沌免疫遗传算法引入神经网络学习过程用以进行入侵检测,与传统BP神经网络检测结果进行比较,实验结果表明,将该方法用于入侵检测是切实可行的。(本文来源于《计算机工程与应用》期刊2014年21期)

李飞建,郑玲[2](2013)在《混沌免疫遗传算法在汽车悬置系统设计中的应用》一文中研究指出传统的悬置系统参数优化方法容易使优化结果陷入局部最优,遗传算法因其易于早熟收敛而限制了实际优化效果,为此提出使用混沌免疫遗传算法对汽车动力总成悬置系统参数进行优化设计。优化设计中,以动力总成悬置系统六自由度能量解耦为目标函数,以悬置刚度和安装角度为优化变量,并考虑悬置系统的模态频率匹配、能量解耦率、悬置静态剪切和压缩变形等约束条件。优化结果表明,基于设计的寻优方法,改善动力总成悬置系统与整车匹配程度,提高动力总成悬置系统的隔振性能。(本文来源于《噪声与振动控制》期刊2013年01期)

杨蕾,林红[3](2011)在《基于混沌免疫遗传算法的神经网络及应用》一文中研究指出借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群"退化"和"早熟"的不足,保持种群多样性,构造得到混沌免疫遗传优化算法。进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络模型。利用所建立的混合神经网络模型对渤海某海域年极值冰厚进行训练预测,并将模型预测结果与实际数据以及动态拓扑预测的结果进行对比,表明基于混沌免疫遗传算法的神经网络模型具有很高的预测精度和工程适用性。(本文来源于《智能计算机与应用》期刊2011年04期)

吴迪,王峰,杨晟尧[4](2010)在《基于混沌免疫遗传算法的飞行轨迹优化研究》一文中研究指出提出了一种利用混沌因子、免疫浓度机制和自适应生成疫苗的方法,能够很好地改进遗传算法。利用混沌的随机性、遍历性以及内在规律性进行初始化种群,降低搜索的盲目性,让初始种群能够均匀的分布在解空间内。同时,通过免疫浓度调节机制来保持群体多样性,避免早熟现象。再引入自适应生成疫苗的方法,加快了寻优的速度,提高算法的收敛速度和寻优质量;并将该算法应用在天空飞行器轨迹优化研究中,以爬升过程中燃料消耗最少作为优化目标,通过仿真证明该方法的有效性。(本文来源于《武汉理工大学学报》期刊2010年20期)

陈兰,李飞[5](2010)在《一种基于实数编码的混沌量子免疫遗传算法》一文中研究指出基于量子位的混沌特性与相干特性,引入免疫的概念和方法,提出了一种实数编码混沌量子免疫遗传算法(RCIQGA)。该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索,同时引入免疫细胞库和浓度控制机制。实验结果表明,RCIQGA的性能优于经典的遗传算法和量子遗传算法。(本文来源于《Proceedings of 2010 International Conference on Future Information Technology and Management Engineering (FITME 2010) Volume 3》期刊2010-10-09)

王鲜芳,杜志勇,潘丰[6](2010)在《基于混沌免疫遗传算法整定PID参数》一文中研究指出针对传统免疫遗传算法PID参数整定速度慢的缺点,通过引入了混沌增殖思想和隔离小生境技术,结合免疫遗传算法的特点,设计了一种智能的PID参数整定方法。该方法利用混沌增殖对初值的敏感性以及随机性、遍历性、规律性,使免疫遗传算法能够更加有效地跳出局部收敛区域而以更快的速度向全局最优值收敛,进而较好地处理了通常遗传算法中遇到的"早熟"问题。通过隔离小生境技术的引入使得子种群的进化不仅同整个种群的进化密切相关,还有自身进化的独立性,这有利于种群个体多样性的保持。通过实际PID参数整定的例子,结果表明该算法能明显改善免疫遗传算法的收敛性能,搜索效率也得到了显着提高。(本文来源于《计算机工程与应用》期刊2010年13期)

吕微[7](2010)在《基于混沌免疫遗传算法的优化问题研究》一文中研究指出免疫遗传算法是一种建立在遗传算法及免疫算法基础上发展起来的仿生优化算法,以其快速的收敛性能应用于人们生活中的各类优化问题中。但是免疫遗传算法仍存在着陷入局部最优、求解计算时间较长、在最优解附近搜索速度较慢的缺点,这在很大程度上限制了免疫遗传算法的进一步普及应用。混沌搜索算法是近年来新兴的一种优化算法,利用混沌序列的随机性、遍历性和初值敏感性等特征,混沌能被用来进行优化搜索且能避免陷入局部极小,因此我们可以利用混沌搜索特点来改良免疫遗传算法。本文主要研究了基于混沌理论的免疫遗传算法,其主要工作如下:首先,针对免疫遗传算法中基于浓度的概率选择方式进行了根据种群中抗体间亲和力计算其浓度,将结果与其抗体原亲和力按一定关系自适应计算出选择概率的改进,实现了抗体依据抗体原亲和力及抗体间亲和力之间关系的自适应改变。其次,通过对免疫遗传算法、混沌优化算法及其典型映射的研究,得出将混沌理论引入到免疫遗传算法中的必要性及引入方式,利用Henon映射的较好遍历性将其作为产生初始种群、记忆库个体以及进行种群增殖操作的方式,利用Logistic映射的简单性将它的混沌交换及移位操作作为遗传操作中的自适应混沌变异操作。最后,建立了混沌免疫遗传算法的模型,给出算法的流程图及具体参数的选择原则,依据数学原理从理论上验证了本文算法的收敛性。通过两组经典组合优化问题——TSP问题验证了本文提出算法的有效性,并将其与免疫遗传算法及遗传算法进行对比分析,从实验的角度证明了算法的优越性,从实际应用方面进一步验证了本文算法的可行性及有效性。(本文来源于《东北石油大学》期刊2010-03-20)

林笑旭[8](2008)在《基于混沌与免疫的遗传算法的研究》一文中研究指出遗传算法作为一种新的全局优化搜索算法,以其简单通用,鲁棒性强和并行处理以及应用范围广等显着特点,在诸多人工智能计算领域获得了广泛的应用,同时取得了大量的研究成果。本文主要对遗传算法进行了学习与研究,提出了一种新的改进的遗传策略MICGA。本文首先介绍了课题的研究背景以及遗传算法的搜索机制并简要分析了遗传算法在搜索过程中的优势与其广泛的应用背景。然而遗传算法本身存在早熟以及对某些特定问题搜索慢等缺陷。针对缺陷,基于混合遗传算法的思想,融合了混沌与免疫两种机制并基于模式提出了改进的算法MICGA。混沌是看似随机无序,但却有着精致的内在结构,利用混沌随机性、遍历性和对初值敏感的特性初始化种群,使初始种群抗体能够均匀的分布在解空间中,避免了由于初始种群完全随机产生而导致的搜索速度慢的弊端;通过免疫原理的浓度机制与多样性原理改进了选择算子,保证了种群多样性,避免由于种群多样性降低而引起的早熟现象。同时,在混合的算法基础上,基于遗传算法中串的实质是模式的运算,根据模式的概念,提出了模式算子,对变异之后的种群整体进行了模式的改进,即在变异操作之后,对适应度值高的个体排序,在一定权重下,识别出有利于搜索趋势的模式并使用该模式对种群中的个体进行修改,提高群体质量,并通过退火策略的原理通过子父代的共同作用防止退化的产生,从而达到加快向最优解靠近的收敛速度;最后,对变化后的个体加以混沌扰动,避免算法陷入局部最优解,提高局部搜索效率。通过对经典的测试函数算例的测试,利用平均截止代数和截止代数熵两个性能指标对算法MICGA进行了评估,测试评估结果说明改进后的算法在算法的稳定性及搜索的速度上均有了稳步的提高。(本文来源于《大连理工大学》期刊2008-12-03)

张利生,马安,叶卫华[9](2008)在《基于变尺度混沌理论与免疫遗传算法的电力系统无功优化》一文中研究指出提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。(本文来源于《电网技术》期刊2008年20期)

孟祥萍,潘莹,耿卫星,霍飞,高燕[10](2007)在《混沌免疫遗传算法在电力系统故障诊断中应用》一文中研究指出针对电力系统故障诊断问题,提出了一种新的免疫遗传算法——混沌免疫遗传算法。该算法将免疫算法、混沌与遗传算法相结合,利用混沌运动的遍历性、随机性产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列补充种群,增加种群的多样性,避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。它能从保护和断路器的拒动和误动中,快速找到故障点。实验结果表明,该算法能快速寻找到最优解,保证系统的实时性和准确性,较好地实现了对电力系统的故障诊断。(本文来源于《电力自动化设备》期刊2007年05期)

混沌免疫遗传算法论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

传统的悬置系统参数优化方法容易使优化结果陷入局部最优,遗传算法因其易于早熟收敛而限制了实际优化效果,为此提出使用混沌免疫遗传算法对汽车动力总成悬置系统参数进行优化设计。优化设计中,以动力总成悬置系统六自由度能量解耦为目标函数,以悬置刚度和安装角度为优化变量,并考虑悬置系统的模态频率匹配、能量解耦率、悬置静态剪切和压缩变形等约束条件。优化结果表明,基于设计的寻优方法,改善动力总成悬置系统与整车匹配程度,提高动力总成悬置系统的隔振性能。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

混沌免疫遗传算法论文参考文献

[1].贾花萍,李尧龙,史晓影.混沌免疫遗传算法的网络入侵检测模型[J].计算机工程与应用.2014

[2].李飞建,郑玲.混沌免疫遗传算法在汽车悬置系统设计中的应用[J].噪声与振动控制.2013

[3].杨蕾,林红.基于混沌免疫遗传算法的神经网络及应用[J].智能计算机与应用.2011

[4].吴迪,王峰,杨晟尧.基于混沌免疫遗传算法的飞行轨迹优化研究[J].武汉理工大学学报.2010

[5].陈兰,李飞.一种基于实数编码的混沌量子免疫遗传算法[C].Proceedingsof2010InternationalConferenceonFutureInformationTechnologyandManagementEngineering(FITME2010)Volume3.2010

[6].王鲜芳,杜志勇,潘丰.基于混沌免疫遗传算法整定PID参数[J].计算机工程与应用.2010

[7].吕微.基于混沌免疫遗传算法的优化问题研究[D].东北石油大学.2010

[8].林笑旭.基于混沌与免疫的遗传算法的研究[D].大连理工大学.2008

[9].张利生,马安,叶卫华.基于变尺度混沌理论与免疫遗传算法的电力系统无功优化[J].电网技术.2008

[10].孟祥萍,潘莹,耿卫星,霍飞,高燕.混沌免疫遗传算法在电力系统故障诊断中应用[J].电力自动化设备.2007

标签:;  ;  ;  ;  

混沌免疫遗传算法论文-贾花萍,李尧龙,史晓影
下载Doc文档

猜你喜欢