免疫克隆选择算法改进及其应用研究

论文摘要

人工免疫系统是一类基于高等生物免疫系统的功能、原理、基本特征以及相关理论而建立的用于解决各种复杂问题的计算系统，继人工神经网络、进化计算之后新的智能计算研究方向。本文旨在探索和研究生物免疫系统中蕴含的进化学习机制，设计一种行之有效的人工免疫算法，并用其解决组合优化问题以及机器字符识别问题。本文设计了一种免疫克隆选择聚类算法的TSP问题求解方法，该算法将聚类算法与免疫克隆选择算法各自的优点结合起来，利用K均值动态聚类法对TSP进行邻域分区，免疫克隆选择算法对群内细分的TSP进行精确优化，接下来根据K重心邻域连接方法进行全局连接以快速得到大规模TSP问题满意解。其次，本文设计了一种混沌自适应动态免疫克隆选择算法，利用非线性混沌的遍历性与随机性对抗体进行初始化，利用免疫动态克隆选择算法的全局寻优能力对问题进行优化，充分利用混沌算子与免疫算子的优点。在TSP问题测试中，该算法能有效提高求解精度，降低时间复杂度，在求解精度与收敛速度等方面均优于其它智能算法；最后将混沌自适应动态免疫克隆选择算法应用到机器字符识别中，实现了克隆选择算法并行和串行的多字符识别的过程，表明本文算法具有智能机器学习能力。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 引言
• 1.2 人工免疫系统的应用研究现状
• 1.3 免疫优化算法的研究现状
• 1.4 选题背景及意义
• 1.5 研究内容及章节安排
• 第2章 免疫克隆选择算法原理
• 2.1 生物系统的构成
• 2.1.1 生物免疫系统的结构
• 2.1.2 生物免疫系统的组成
• 2.2 克隆选择原理
• 2.2.1 克隆选择思想
• 2.2.2 克隆扩增原理
• 2.2.3 免疫克隆选择原理的系统模型
• 2.2.4 克隆选择算法
• 2.3 克隆选择算法特征
• 2.4 免疫克隆选择算法中的基本计算方法
• 2.4.1 结合强度的计算
• 2.4.2 抗体抗原的编码方法
• 2.5 小结
• 第3章 基于聚类克隆选择算法的 TSP 问题求解
• 3.1 引言
• 3.2 聚类算法描述
• 3.2.1 聚类算法基本过程
• 3.2.2 主要的聚类方法
• 3.3 K 均值算法
• 3.3.1 K 均值算法描述
• 3.3.2 K 均值算法基本思想
• 3.4 基于免疫原理的聚类算法及其 TSP 求解
• 3.4.1 TSP 问题描述
• 3.4.2 算法基本概念定义
• 3.4.3 算法流程
• 3.5 实验仿真
• 3.6 小结
• 第4章 基于混沌免疫克隆选择算法的字符识别
• 4.1 引言
• 4.2 混沌动态克隆算法
• 4.2.1 混沌理论
• 4.2.2 亲合度函数的构造
• 4.2.3 混沌免疫记忆动态克隆策略
• 4.3 算法仿真实验
• 4.4 混沌动态克隆选择算法在字符识别中的应用
• 4.4.1 单字符识别示意图
• 4.4.2 串行多字符识别
• 4.4.3 并行多字符识别算法
• 4.4.4 参数分析
• 4.5 小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间发表的学术论文