基于免疫多智能体的网络入侵主动防御模型

构建了一种基于免疫多智能体的网络入侵主动防御模型ADNIIMA(the active defense model for net-work intrusion based on immune multi-agent),提出免疫智能体概念,建立免疫智能体的逻辑结构及其运行机制,实现了对网络入侵的多层次、分布式主动防御机制,为网络安全保障提供一种新的思路.     

人工免疫系统及其在空间信息系统中的应用

介绍生物免疫系统的基本理论，并详细介绍国内外主要的人工免疫系统模型的特点和作用，最后提出了人工免疫系统模型在空间信息系统研究中的应用前景。     

一种基于人工免疫的图像分割算法

图像二维熵分割,一直因耗时长而限制了实际应用。本文借鉴生物免疫思想,提出二维熵图像分割的人工免疫算法。在克隆选择算法中引入疫苗的免疫接种,用于优化最优分割阈值对的搜索过程。在遥感高分辨率图像上的实验显示,该算法不仅能准确搜索到最优阈值对,而且计算时间只有传统算法的1.8%。该算法也验证了人工免疫思想用于图像分割的可行性和有效性。     

人工免疫系统在梯级水库群短期优化调度中的应用

免疫起源于抗感染的研究,是一种机体识别和排斥抗原性异物的生理功能。现代仿生技术将免疫应用到解决非线性优化问题中,形成了独特的人工免疫系统(AIS),AIS用抗体代表问题的可行解,用抗原代表问题的约束条件和目标函数,采用期望繁殖率来定义父体选择的概率进行随机搜索全局最优解。将AIS应用到梯级水库群短期(日)优化调度的研究中,经过对某梯级水库群的仿真计算,认为其结果是合理和可实际应用的。     

复杂地质地貌区地球化学异常识别非线性研究

应用现代数学非线性理论与方法对西南地区三江北段恒星错测区1：50000水系沉积物测量数据进行了异常识别的非线性研究。率先尝试用人工免疫算法对地球化学数据降噪，并采用分形含量面积法对降噪数据寻求异常下限，从而弥补传统方法确定异常下限出现的缺陷。在此基础上构造了测区地球化学元素分布的分形插值曲面，做出异常等值线图和异常分形插值图。处理结果令人满意。     

基于克隆选择算法的障碍布局分配问题研究

应用克隆选择算法(clonal selection principle,CLONALG),结合其他模型算法,提出了一套解决障碍布局分配问题的简化流程,并用实验进行了验证,得到了满意的效果。     

人工免疫系统与嵌入规划目标的城市模拟及应用

人工免疫系统(AIS) 具有强有力的计算能力, 可以通过免疫识别、克隆选择、免疫学 习、免疫记忆等功能来进行模式识别和自适应学习。AIS 所具有的自学习、自适应和记忆的能力非常适合于复杂地理过程的研究。而元胞自动机(CA) 是研究复杂系统非常方便和有效的工具。将人工免疫系统和元胞自动机相结合, 建立了城市演变的模拟和规划模型。该模型通过改变抗体的进化变异机制, 把规划目标嵌入到AIS 算法中, 抗体将会逐渐朝着规划目标“进化”, 从而模拟出基于不同规划情景的城市发展空间格局, 为城市和土地利用规划提供决 策支持。设计了6 种不同的城市发展方案, 利用该模型模拟了不同规划方案下珠江三角洲城市的发展情景(1988-2002 年)。并比较了不同模拟情景结果城市的紧凑性: “城市中心” 和 “城市中心-高速公路”发展模式的城市形态更为紧凑, 破碎度较低; 而“镇中心” 和“道路”发展模式形成的城市形态则比较凌乱和分散。模拟结果和分析表明: “城市中心-高速 公路”是珠江三角洲最适合的城市发展模式。     

环境激励下一种基于免疫机制的结构损伤诊断方法

结构状况发生改变时,结构的振动特性将发生变化。免疫算法能有效检测出振动特性的变化。本文将环境激励下的结构响应重构相空间,对其进行奇异值分解后,选择适当个数的奇异值构造特征参数集合,应用反向选择算法进行异常值检测,以ASCE学会提出的基准结构为对象进行研究,讨论了不同个数的特征参数对检测结果的影响。分析表明,该算法能有效地判断结构状况的变化。     

应用人工免疫算法快速规划3DTF/TA~2航线

针对复杂环境下单(双)机TF/TA2飞行路径规划问题,提出了满足飞机可飞性和可操作性的人工免疫算法飞行航线规划方法;设计了综合3D威胁信息的惩罚函数(亲和力函数);构建了包含动态、静态威胁及不可飞区域的综合威胁模型。据此,设计了不同威胁度环境下的单、双飞行航线,并将人工免疫算法规划的航线与遗传算法进行比较。结果表明,在简单威胁环境下,遗传算法规划时间短、路径较长;在复杂环境下,遗传算法的单机规划失败率极高(大于95%),双机规划失败。人工免疫算法能够为单(双)机规划出一条最优及多条待选飞行航线。     

基于非一致性自适应变异的克隆选择算法

提出了一种基于非一致性自适应变异的克隆选择算法.该算法根据抗体的亲和力自适应地确定相应抗体的变异率,同时采用非一致性变异方法来提高算法的效率.实验证明.与传统的克隆选择算法相比,本文提出的方法所需要的收敛时间更少,且能快速地找到最优解,具有一定的实用价值.