人工免疫算法的基础研究及其应用

论文摘要

免疫系统、遗传系统以及神经系统三者,具备大规模并行信息处理能力、强大的学习能力、记忆能力、识别能力、自适应性和鲁棒性、自组织能力和保持多样性的能力。早熟收敛,容易陷入局部最优是标准遗传算法存在的致命。通过适应度尺度变换来调节选择压力是克服这一缺陷的主要方法。但适应度尺度变换是依赖于问题的,通用性稍差。通过对高等脊椎动物免疫系统的了解,我们得到了解决问题的一些启示:针对遗传算法早熟收敛,容易陷入局部最优的缺陷,将免疫浓度调节机制引入到遗传算法,形成免疫遗传算法。免疫遗传算法采用适应度和浓度两个指标对个体（抗体）作出进化评价,有效地调节了选择压力,保持了群体的多样性,克服了遗传算法早熟收敛的弱点,提高问题解的质量。在对现有免疫遗传算法研究的基础上,提出一种基于百分比的抗体相似度定义方法,由此形成一种改进的免疫遗传算法,有效提高算法计算速度、克服早熟收敛。克隆选择学说是用来解释生物免疫系统如何消除外来抗原的机制。克隆选择算法采取亲和度为比例的繁殖和变异策略,通过搜索周边的空间,实现局部的优化,由此实现对全局的优化。针对目前克隆选择算法多峰寻优能力弱的缺陷,在研究经典克隆选择算法的基础上,提出一种改进的克隆选择算法,仿真实验证明该改进算法的有效性。基于“克隆选择、阴性选择、免疫网络”等免疫学原理,人工免疫网络通过模拟免疫网络对抗原的刺激过程,有效地解决数据聚类问题。聚类问题可视为一种多峰优化问题,由此提出了一种面向多峰值函数优化的人工免疫网络算法。该算法能够有效提取出目标函数的绝大部分局部峰值,并具备群体数量自动调节和实数编码等优良特性,但有时会出现早熟现象。针对该缺陷,提出一种改进的人工免疫网络,实验证明改进的人工免疫刚络能够有效克服早熟现象。比例-积分-微分控制器由于算法简单、鲁棒性好、可靠性高,能提供比其它控制器更高的性能/价格比,因而在工业界得到广泛应用。传统的PID参数整定在控制非线性、时变、耦合及参数和结构不确定的复杂过程时,性能大大降低。采用免疫算法（免疫遗传、克隆选择）对PID控制器参数进行优化,从而获取性能优越的离线PID控制器参数。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 概述
• 1.2 研究动机与研究内容
• 1.3 国内外研究现状
• 1.3.1 人工免疫模型
• 1.3.2 人工免疫算法
• 1.3.3 免疫算法应用与研究方向
• 1.4 论文安排
• 第二章 遗传算法概述
• 2.1 遗传算法
• 2.1.1 遗传算法基本流程
• 2.1.2 遗传算法的特点
• 2.1.3 遗传算法的应用
• 2.2 遗传算法的改进
• 2.3 并行遗传算法
• 2.4 本章小结
• 第三章 免疫遗传算法
• 3.1 基于信息熵的免疫遗传算法
• 3.2 基于欧氏距离的免疫遗传算法
• 3.3 一种改进的免疫遗传算法
• 3.3.1 改进的免疫遗传算法中的几个重要定义
• 3.3.2 精英保留策略
• 3.3.3 精英交叉策略
• 3.3.4 改进的免疫遗传算法
• 3.3.5 IIGAE算法的全局收敛性分析
• 3.4 实验研究及讨论
• 3.4.1 测试函数
• 3.4.3 IIGAE与其他算法性能的比较
• 3.5 本章小结
• 第四章 克隆选择算法及其改进
• 4.1 克隆选择学说
• 4.1.1 克隆选择的原理
• 4.1.2 克隆选择的特点
• 4.2 克隆选择算法
• 4.2.1 克隆选择算法的流程
• 4.2.2 克隆选择算法的特点
• 4.2.3 克隆选择算法的缺陷
• 4.3 克隆选择算法的改进
• 4.3.1 小生境技术
• 4.3.2 自适应混沌变异算子
• 4.3.3 一种改进的克隆选择算法
• 4.4 仿真实验研究
• 4.4.1 测试函数
• 4.4.2 算法参数设置
• 4.4.3 算法性能比较
• 4.5 本章小结
• 第五章 人工免疫网络及其改进
• 5.1 人工免疫网络 opt-aiNet算法
• 5.1.1 免疫网络
• 5.1.2 opt-aiNet算法步骤
• 5.1.3 opt-aiNet算法分析
• 5.1.4 opt-aiNet的特点
• 5.1.5 opt-aiNet存在的问题
• 5.2 一种改进的人工免疫网络 opt-aiNet算法
• 5.2.1 混沌免疫网络
• 5.2.2 改进的面向多模态函数优化问题的混沌opt-aiNet算法
• 5.2.3 改进的算法特性分析
• 5.3 仿真试验
• 5.3.1 典型测试函数
• 5.3.2 算法参数设置
• 5.3.3 改进的opt-aiNet算法的性能分析
• 5.4 本章小结
• 第六章 免疫算法在 PID控制器参数优化设计中的应用
• 6.1 PID控制器
• 6.1.1 PID基本原理
• 6.1.2 PID控制器的特点
• 6.1.3 PID整定
• 6.2 基于免疫算法的 PID控制器优化设计
• 6.2.1 编码、解码和适应度函数设计
• 6.2.2 优化问题描述和 PID增益参数优化的仿真结构
• 6.2.3 基于免疫算法的 PID控制器优化设计步骤
• 6.2.4 控制系统的稳定性问题
• 6.3 计算机仿真实验及结果分析
• 6.3.1 实验对象选取和算法参数确定
• 6.3.2 四种 PID控制器性能的比较
• 6.4 本章小结
• 第七章 工作总结和展望
• 7.1 工作总结
• 7.1.1 免疫遗传算法的改进
• 7.1.2 克隆选择算法的改进
• 7.1.3 人工免疫网络的改进
• 7.1.4 PID控制器参数优化的改进
• 7.2 研究展望
• 参考文献
• 致谢
• 发表论文