导读:本文包含了并行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:多峰函数优化,免疫遗传算法,郭涛算法,小生境
并行免疫遗传算法论文文献综述
程林辉,钟珞[1]（2015）在《求解多峰函数优化问题的并行免疫遗传算法》一文中研究指出针对基本遗传算法在求解多峰函数时很难找到全部最优解的不足,提出了一种并行免疫遗传算法求解该问题.算法引入郭涛算法的多父体杂交思想,并借鉴小生境机制将算法的优化过程进行分解.算法进化初期借鉴免疫算法的抗体浓度抑制思想,通过变异算子降低大种群内较优相似个体的浓度,以增加种群多样性,扩大搜索空间,确定各峰的区域.算法后期将种群划分为若干子种群,并通过免疫记忆库,记录各子种群当前的最优解,同时对各子种群进行指导性搜索,以快速收敛到各峰,免疫记忆保留各代的精英个体保证了算法的收敛性.实验结果表明,所提出的算法在求解多峰函数优化问题中取得了满意的结果.(本文来源于《微电子学与计算机》期刊2015年05期）
周杰,俎云霄[2]（2010）在《一种用于认知无线电资源分配的并行免疫遗传算法》一文中研究指出提出了用于认知无线电自适应调制和资源分配的并行免疫遗传算法,并对该算法、简单遗传算法和静态调制分配算法进行了仿真.仿真结果显示,该算法具有很强的全局搜索能力和较快的收敛速度,在误码率和功率受限条件下,该算法比简单遗传算法和静态调制方式的性能更好,同时明显降低了计算复杂度。(本文来源于《物理学报》期刊2010年10期）
余振华[3]（2010）在《车辆路径问题的自适应伪并行免疫遗传算法》一文中研究指出物流配送车辆路径优化问题是在物流系统中受到普遍关注的问题,也是一个NP-Hard问题。针对物流配送车辆路径问题,提出并实现了一种自适应伪并行免疫遗传算法。利用多个子种群同时进化及小生境技术,给出了一种小生境伪并行协同进化策略,给出了编解码方式及免疫克隆、提取疫苗、接种疫苗、免疫选择等免疫算子以及选择、交叉、变异等遗传算子的具体设计,进化过程中克隆规模可依据抗体-抗原亲合度、抗体-抗体亲合力自适应调整,采取了最优保存策略从而保证了算法以概率1收敛。实例验证了该算法的可行性,有效性。通过仿真验证,该算法运算速度快、结果精度高,对物流配送车辆路径优化问题研究具有一定的参考价值。(本文来源于《计算机工程与应用》期刊2010年01期）
郑明,刘桂霞,周春光,王晗,郑小红[4]（2009）在《基于并行免疫遗传算法基因表达数据的动态模糊聚类》一文中研究指出提出一种改进的并行免疫遗传算法,通过在群体规模上引入"岛"的概念,实现了可变的群体规模;通过在适应度函数内引入免疫算子,避免了算法过早收敛.因此,解决了寻优算法中局部收敛的困扰,提高了获得全局最优解的几率.把此算法应用于斯坦福大学酵母细胞周期表达数据库的数据进行共表达聚类,并将实验结果与Spellman按照功能基因组学进行聚类所得结果进行了对比,证明了所给算法在功能基因组学聚类上的有效性.(本文来源于《吉林大学学报(理学版)》期刊2009年01期）
张一栋,吴锡生[5]（2008）在《基于伪并行免疫遗传算法和粗糙集的图像分割方法》一文中研究指出提出了一种结合伪并行免疫遗传算法和粗糙集的新的图像分割方法,该方法适用范围广。以各抗体子群体适应度为依据构建属性值表,基于属性值的不可分辨关系将图像分成许多小区域;通过值约简、属性权值、区域差异度计算得到各基本区域之间的差异度矩阵,进而对基本区域进行相似域和非相似域的划分,最后基于相似度的最终等价关系及分割来实现基本区域的合并完成图像分割。实验结果验证了该方法的有效性。(本文来源于《计算机工程与设计》期刊2008年11期）
行小帅,霍冰鹏[6]（2007）在《基于免疫的并行单亲遗传算法研究》一文中研究指出在分析了单亲遗传算法的优越性与存在不足的基础上,借鉴生物免疫概念与理论并结合并行计算的思想,提出了一种新的遗传算法——基于免疫的并行单亲遗传算法。理论分析和仿真结果表明,该算法不仅能够有效地保持群体多样性,而且减轻了遗传算法后期的波动现象,同时收敛速度有明显的提高。(本文来源于《通信学报》期刊2007年08期）
马书龙[7]（2007）在《基于并行免疫遗传算法的无向排列的反转排序方法研究》一文中研究指出生物的遗传物质随着进化而改变,相对于单个基因或少数几个基因组成的基因块的点变化,越来越多的研究更加关注基因组水平的较大变化。基因组重排是生物分子进化的一种重要模式,是计算分子生物学研究的一个重要问题,特别是基于反转的基因组重排的数学特征及算法的研究,一直受到广泛关注。由此产生了借助于反转来排序无向排列的问题,即给定可以代表基因组的两个排列,找到由一个排列转化到另一个排列的最优方案。遗传算法是一种基于自然选择和基因遗传学原理的全局性概率搜索算法,它已经过了叁十多年的研究与实践。免疫学已成为一门学科,引起了国内外学者的注意。对于并行计算,这是一个充满活力的领域,它经过几十年的发展,这一领域的研究成果已在科学与技术的众多领域中随处可见。本文提出的是一种基于并行免疫遗传算法的无向排列的反转排序的方法,将一种免疫算子加入到遗传算法的框架中,通过对个体接种疫苗来进一步提升个体的存活能力,免疫遗传算法作为集免疫机制和进化机制于一体的全新演化算法应用到反转基因组重排的问题上是一种新的尝试,可以避免遗传算法存在的早熟缺点,同时使免疫遗传算法并行化可以提高收敛速度,由于无向排列的基因组反转排序问题是NP难题,现有的算法都是近似算法,因此将提高近似解的精确度。(本文来源于《东北师范大学》期刊2007-05-01）
张建萍[8]（2007）在《基于并行机制的免疫遗传算法的研究及应用》一文中研究指出伴随着遗传算法应用的深入开展,由于遗传算法有着其他优化算法不可比拟的优点,因此,遗传算法在优化计算中得到了广泛的应用,将遗传算法用于解决各种实际优化问题后,人们发现遗传算法也会由于各种原因,产生所谓“早熟收敛”问题,从而影响算法向全局最优解的搜索。随着科学技术的不断发展,问题规模的不断扩大,面对复杂程度越来越高的搜索空间,遗传算法在优化效率和求解质量上都显得“过于苍白”。为了加速决策的时效性和准确性,在文中以无源光网络中OBD与OUN位置分配问题为例,在工作站机群上对此算法进行研究。首先,本文研究了根据生物机体免疫系统的抗原识别、保持抗体的多样性和免疫记忆的特性而提出的一种改进遗传算法——免疫遗传算法,该算法将生物系统免疫思想引入到遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了全体中的较优抗体又保证了抗体的多样性,从而避免搜索进化的过早收敛,得到全局最优解。本文通过对改进的免疫遗产算法和传统的遗传算法的产生效果进行比较,证明了IGA的有效性和优越性。其次,本文通过对并行遗传算法的发展和特点进行综述,并介绍并行处理的硬件系统及其并行环境下的支撑软件——工作站机群平台上所采用的高效的编程环境MPI。再次,论文重点分析遗传算法固有的隐式并行性,结合主从并行程序设计特点,提出了工作站机群环境下基于MPI求解最短路径问题的并行遗传算法,加快算法的执行速度和效率。在该算法并行设计中的划分、通讯、组合和映射四个过程,提出遗传算法初始种群的划分原则;利用MPI消息传递的六个基础通信子集在各种群间进行通信和传播各子种群的最优解;运用组合法,以保持灵活性,减少通信开销;将该算法映射为主从式工作站机群上的粗粒度并行遗传算法,并使用静态负载平衡任务调度技术改善映射质量。最后,利用MPICH进行仿真试验。作者通过配置工作站机群并行环境,在Windows和MPI平台上使用Visual C++6.0编程实现该并行算法,通过分析对比多组实验数据,计算该算法加速比性能,结果表明:算法适应度高,寻优速度快。但是该并行算法求解问题规模较小、遗传参数设置和消息传递内容与时机固定,这些都有待进一步完善。(本文来源于《山东师范大学》期刊2007-04-26）
洪俊,杨淑莹,任翠池[9]（2006）在《基于图像分割的伪并行免疫遗传算法聚类设计》一文中研究指出遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种全局优化概率搜索算法.但该算法有时存在着早熟现象,导致搜索过早收敛,无法得到全局最优解.为此,提出了一种伪并行免疫遗传算法,在微机上利用求解问题特征以及并行思想对遗传算法的种群进行免疫接种,并进行伪并行运算,以提高搜索速度,克服早熟现象.实验结果表明,该算法具有收敛速度快,搜索精度高,稳健性强的特点.(本文来源于《天津理工大学学报》期刊2006年05期）
李广强,赵洪伦,靳慧[10]（2005）在《并行混合免疫遗传算法及其应用》一文中研究指出以并行遗传算法(PGA)为基础,对其早熟、收敛慢等缺陷加以改进,提出一种并行混合免疫遗传算法(PHIGA)。该算法将免疫原理引入到遗传算法中,提高了算法的整体性能。这主要表现在一方面免疫选择可有效地防止早熟,另一方面基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化和基于自适应交叉、变异的多种群搜索,与单纯形法的混合可更好地改善其局部搜索性能。文中布局问题的算例验证了该算法的可行性和有效性。(本文来源于《计算机工程与应用》期刊2005年03期）
并行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：
提出了用于认知无线电自适应调制和资源分配的并行免疫遗传算法,并对该算法、简单遗传算法和静态调制分配算法进行了仿真.仿真结果显示,该算法具有很强的全局搜索能力和较快的收敛速度,在误码率和功率受限条件下,该算法比简单遗传算法和静态调制方式的性能更好,同时明显降低了计算复杂度。
（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。
并行免疫遗传算法论文参考文献
[1].程林辉,钟珞.求解多峰函数优化问题的并行免疫遗传算法[J].微电子学与计算机.2015
[2].周杰,俎云霄.一种用于认知无线电资源分配的并行免疫遗传算法[J].物理学报.2010
[3].余振华.车辆路径问题的自适应伪并行免疫遗传算法[J].计算机工程与应用.2010
[4].郑明,刘桂霞,周春光,王晗,郑小红.基于并行免疫遗传算法基因表达数据的动态模糊聚类[J].吉林大学学报(理学版).2009
[5].张一栋,吴锡生.基于伪并行免疫遗传算法和粗糙集的图像分割方法[J].计算机工程与设计.2008
[6].行小帅,霍冰鹏.基于免疫的并行单亲遗传算法研究[J].通信学报.2007
[7].马书龙.基于并行免疫遗传算法的无向排列的反转排序方法研究[D].东北师范大学.2007
[8].张建萍.基于并行机制的免疫遗传算法的研究及应用[D].山东师范大学.2007
[9].洪俊,杨淑莹,任翠池.基于图像分割的伪并行免疫遗传算法聚类设计[J].天津理工大学学报.2006
[10].李广强,赵洪伦,靳慧.并行混合免疫遗传算法及其应用[J].计算机工程与应用.2005