人工免疫系统动力学模型及其在优化控制中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-26页 |
| ·引言 | 第16-17页 |
| ·人工免疫理论的发展 | 第17-19页 |
| ·免疫系统动力学模型 | 第19-22页 |
| ·免疫系统的结构 | 第19-20页 |
| ·免疫系统动力学建模及其生物学涵义 | 第20-22页 |
| ·研究目的和意义 | 第22-24页 |
| ·内容安排 | 第24-26页 |
| 第二章 免疫反应系统动力学模型及其稳定性 | 第26-46页 |
| ·Marchuk免疫反应模型描述 | 第26-27页 |
| ·系统平衡解及其基本性质 | 第27-33页 |
| ·ξ(m)=1的情形 | 第27页 |
| ·基本性质 | 第27-28页 |
| ·平衡解的稳定性 | 第28页 |
| ·慢性状态的稳定性 | 第28-30页 |
| ·时滞引起的Hopf分岔 | 第30-31页 |
| ·ξ(m)≠1的情形 | 第31-33页 |
| ·免疫反应系统动力学行为仿真 | 第33-39页 |
| ·平衡解稳定时参数调节对动力学行为的影响 | 第33-36页 |
| ·平衡解为不稳定时参数调节对动力学行为的影响 | 第36-37页 |
| ·时滞对系统动力学行为的影响 | 第37-39页 |
| ·Perelson模型 | 第39-45页 |
| ·Perelson模型正平衡解的稳定性 | 第39-40页 |
| ·时滞免疫系统的稳定性 | 第40-43页 |
| ·系统正平衡解的全时滞稳定性 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 免疫网络动力学模型及其稳定性 | 第46-57页 |
| ·免疫网络理论 | 第46-47页 |
| ·模仿者动态模型及其性质 | 第47-51页 |
| ·基本性质 | 第48-49页 |
| ·相关研究结果 | 第49-51页 |
| ·Farmer免疫网络模型 | 第51页 |
| ·一些定义 | 第51-52页 |
| ·主要结果 | 第52-56页 |
| ·正平衡点的存在性 | 第52-55页 |
| ·正平衡解的吸引性 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 人工免疫及其在优化中的应用 | 第57-75页 |
| ·人工免疫算法及其收敛性 | 第57-60页 |
| ·人工免疫系统 | 第57页 |
| ·人工免疫算法 | 第57-59页 |
| ·收敛性 | 第59-60页 |
| ·基于Henon映射的自适应克隆选择优化算法 | 第60-66页 |
| ·混沌搜索与随机搜索 | 第60页 |
| ·Henon映射的混沌特性 | 第60-62页 |
| ·克隆选择原理及二进制编码克隆选择算法 | 第62-63页 |
| ·基于实数编码的混沌自适应克隆选择算法 | 第63-65页 |
| ·数值仿真 | 第65-66页 |
| ·人工免疫算法在多目标优化中的应用 | 第66-67页 |
| ·多目标优化问题 | 第67-68页 |
| ·Pareto非劣解及其排序方法 | 第68-69页 |
| ·算法设计 | 第69-74页 |
| ·编码方式 | 第69页 |
| ·Pareto前端的搜索过程 | 第69页 |
| ·Pareto系数计算 | 第69-70页 |
| ·适应度 | 第70页 |
| ·免疫记忆 | 第70页 |
| ·亲和力成熟 | 第70页 |
| ·产生新抗体 | 第70-71页 |
| ·仿真实验及分析 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 基于独特型网络动力学模型的免疫算法 | 第75-90页 |
| ·网络动力学模型与优化算法 | 第75页 |
| ·进化博弈 | 第75-79页 |
| ·相关理论 | 第75-77页 |
| ·一个简单的均衡例子 | 第77-79页 |
| ·由进化博弈到人工免疫网络 | 第79页 |
| ·基于模仿者动态方程的人工免疫网络 | 第79-81页 |
| ·抗体 | 第80页 |
| ·激活函数 | 第80页 |
| ·交连场 | 第80页 |
| ·网络的动态过程 | 第80页 |
| ·仿真实验 | 第80-81页 |
| ·基于独特网络动力学模型免疫算法 | 第81-86页 |
| ·实数编码的抗体定义 | 第82页 |
| ·计算亲和力 | 第82-83页 |
| ·抗体评价 | 第83页 |
| ·选择抗体 | 第83-84页 |
| ·产生新的抗体 | 第84页 |
| ·算法的特点 | 第84页 |
| ·仿真 | 第84-86页 |
| ·基于模仿者动态模型免疫算法 | 第86-88页 |
| ·抗体的亲和力 | 第86页 |
| ·数值仿真 | 第86-88页 |
| ·参数分析 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 基于抗体网络的优化算法 | 第90-101页 |
| ·Hopfield神经网络优化 | 第90-91页 |
| ·抗体网络原理 | 第91-92页 |
| ·基于抗体网络的免疫算法 | 第92-97页 |
| ·算法流程 | 第92-93页 |
| ·算法主要步骤 | 第93-94页 |
| ·算法特点和收敛性分析 | 第94页 |
| ·仿真算例 | 第94-97页 |
| ·抗体网络动力学模型用于优化问题 | 第97-100页 |
| ·优化问题与网络动态 | 第97页 |
| ·算法设计 | 第97-98页 |
| ·仿真研究 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 第七章 免疫系统模型在智能控制中的应用 | 第101-112页 |
| ·数字PID控制 | 第101-102页 |
| ·PID控制参数整定 | 第102页 |
| ·免疫算法与PID结合 | 第102-103页 |
| ·算法设计 | 第103-106页 |
| ·抗体定义 | 第103页 |
| ·目标函数 | 第103页 |
| ·亲和力计算 | 第103页 |
| ·适应度 | 第103-104页 |
| ·抗体选择 | 第104页 |
| ·产生新的抗体 | 第104页 |
| ·仿真实验及讨论 | 第104-106页 |
| ·化工控制过程的数据挖掘 | 第106页 |
| ·关联规则基本概念与定义 | 第106-107页 |
| ·算法设计 | 第107-111页 |
| ·关联规则挖掘 | 第107-108页 |
| ·数据预处理 | 第108-109页 |
| ·实验结果及分析 | 第109-111页 |
| ·本章小结 | 第111-112页 |
| 结论 | 第112-115页 |
| 参考文献 | 第115-124页 |
| 攻读博士学位期间发表的论文 | 第124-127页 |
| 致谢 | 第127-128页 |
