基于免疫的智能优化算法理论及应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-15页 |
| 1 绪论 | 第15-31页 |
| ·论文研究的背景与意义 | 第15-16页 |
| ·智能优化算法 | 第16-23页 |
| ·进化算法 | 第17-19页 |
| ·群智能算法 | 第19-22页 |
| ·其它优化算法 | 第22-23页 |
| ·人工免疫算法研究综述 | 第23-28页 |
| ·生物免疫系统概述 | 第23-25页 |
| ·人工免疫系统的研究现状 | 第25-26页 |
| ·基于免疫原理的智能算法 | 第26-27页 |
| ·人工免疫算法理论研究 | 第27-28页 |
| ·人工免疫算法应用研究 | 第28页 |
| ·本文研究的主要内容和结构 | 第28-31页 |
| 2 基于免疫学习机制的遗传算法及其应用 | 第31-57页 |
| ·引言 | 第31页 |
| ·标准遗传算法 | 第31-33页 |
| ·标准遗传算法的构成要素 | 第31-32页 |
| ·遗传算法的优点及存在的问题 | 第32-33页 |
| ·免疫系统的仿生机理 | 第33-35页 |
| ·基于免疫学习机制的遗传算法 | 第35-43页 |
| ·免疫算子 | 第35-37页 |
| ·强化学习策略 | 第37-38页 |
| ·弱小保护策略 | 第38页 |
| ·算法的步骤 | 第38-39页 |
| ·算法的收敛性 | 第39-40页 |
| ·标准函数的仿真实验 | 第40-43页 |
| ·三自由度飞行器模型系统 | 第43-46页 |
| ·三自由度飞行器模型的硬件系统 | 第43-44页 |
| ·三自由度飞行器模型系统的数学模型 | 第44-46页 |
| ·系统的内在特性分析 | 第46页 |
| ·三自由度飞行器模型系统的稳态控制 | 第46-56页 |
| ·基于RBF网络整定的PID控制器 | 第46-50页 |
| ·基于ILGA的RBF网络参数优化 | 第50-51页 |
| ·实时控制分析 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 3 基于特异性免疫策略的遗传算法及其应用 | 第57-80页 |
| ·引言 | 第57页 |
| ·小生境技术 | 第57-59页 |
| ·基于特异性免疫策略的遗传算法 | 第59-64页 |
| ·算法的基本思想 | 第59页 |
| ·清除技术 | 第59-60页 |
| ·自适应遗传算子 | 第60-62页 |
| ·特异性免疫策略 | 第62-63页 |
| ·算法的步骤 | 第63-64页 |
| ·算法的收敛性 | 第64页 |
| ·标准函数的仿真试验 | 第64-67页 |
| ·二级倒立摆系统 | 第67-71页 |
| ·倒立摆控制技术研究状况 | 第67-68页 |
| ·倒立摆系统的组成 | 第68-69页 |
| ·二级倒立摆系统建模 | 第69-70页 |
| ·二级倒立摆系统可控性分析 | 第70-71页 |
| ·二级倒立摆系统的控制 | 第71-79页 |
| ·模糊神经网络控制器结构 | 第72-74页 |
| ·FNN参数的优化 | 第74-75页 |
| ·实时控制分析 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 4 基于双变异算子的免疫规划 | 第80-96页 |
| ·引言 | 第80页 |
| ·进化规划 | 第80-82页 |
| ·进化规划的组成与特点 | 第80-82页 |
| ·进化规划存在的主要问题 | 第82页 |
| ·基于双变异算子的免疫规划 | 第82-87页 |
| ·算法的基本思想 | 第82-83页 |
| ·双变异算子 | 第83-85页 |
| ·基于浓度的q竞争策略 | 第85-86页 |
| ·记忆保护策略 | 第86页 |
| ·弱小保护策略 | 第86页 |
| ·算法的步骤 | 第86-87页 |
| ·算法的理论分析 | 第87-90页 |
| ·算法的性能分析 | 第87-88页 |
| ·算法的收敛性 | 第88-90页 |
| ·计算复杂度分析 | 第90页 |
| ·标准函数的仿真试验 | 第90-93页 |
| ·主要参数对算法的影响 | 第93-95页 |
| ·本章小结 | 第95-96页 |
| 5 基于双变异算子的免疫网络算法 | 第96-113页 |
| ·引言 | 第96页 |
| ·多峰优化 | 第96-98页 |
| ·多峰优化问题 | 第96-97页 |
| ·多峰优化算法的研究 | 第97-98页 |
| ·生物免疫系统的两个重要学说 | 第98-100页 |
| ·克隆选择学说 | 第98-99页 |
| ·免疫网络调节学说 | 第99-100页 |
| ·基于双变异算子的免疫网络算法 | 第100-103页 |
| ·算法的基本思想 | 第100页 |
| ·双变异算子 | 第100-101页 |
| ·克隆抑制 | 第101-102页 |
| ·网络的动态平衡 | 第102页 |
| ·算法的步骤 | 第102-103页 |
| ·算法的理论分析 | 第103-105页 |
| ·算法的收敛性 | 第103-105页 |
| ·计算复杂度分析 | 第105页 |
| ·仿真实验 | 第105-110页 |
| ·典型多峰函数优化 | 第106-109页 |
| ·结果分析 | 第109-110页 |
| ·主要参数对算法的影响 | 第110-112页 |
| ·本章小结 | 第112-113页 |
| 6 免疫粒子群算法及应用 | 第113-134页 |
| ·引言 | 第113页 |
| ·粒子群算法 | 第113-116页 |
| ·PSO基本原理 | 第113-114页 |
| ·算法流程 | 第114-115页 |
| ·两种标准粒子群优化算法 | 第115-116页 |
| ·PSO的局限性 | 第116页 |
| ·用于多峰函数优化的免疫粒子群网络算法 | 第116-120页 |
| ·算法的基本思想 | 第117页 |
| ·改进的粒子群优化 | 第117-118页 |
| ·粒子群的网络抑制 | 第118-119页 |
| ·网络的动态平衡 | 第119页 |
| ·算法的步骤 | 第119-120页 |
| ·仿真实验 | 第120-123页 |
| ·典型多峰函数优化 | 第120-122页 |
| ·结果分析 | 第122-123页 |
| ·无线传感器的覆盖问题 | 第123-126页 |
| ·覆盖涉及的基本概念 | 第123-124页 |
| ·简单覆盖模型 | 第124-126页 |
| ·无线传感器网络的覆盖控制优化策略 | 第126-133页 |
| ·平面覆盖模型的描述 | 第126-129页 |
| ·基于免疫粒子群算法的覆盖优化机制 | 第129-131页 |
| ·仿真实验 | 第131-133页 |
| ·小结 | 第133-134页 |
| 7 结束语 | 第134-137页 |
| ·本文主要研究成果 | 第134-136页 |
| ·需进一步研究的问题 | 第136-137页 |
| 致谢 | 第137-138页 |
| 攻读博士学位期间论文发表 | 第138-139页 |
| 参考文献 | 第139-149页 |
