协同进化果蝇免疫优化算法及应用

发布时间：2017-09-21 09:40

  本文关键词：协同进化果蝇免疫优化算法及应用

  更多相关文章： 非约束函数优化 果蝇优化 视觉与嗅觉 果蝇免疫应答 协同进化

【摘要】：果蝇是一种对食物源的位置和方向具有独特感知能力的节肢动物,其先天性免疫应答、视觉、嗅觉功能为智能科学的发展提供了新的生物理论基础。模拟其觅食行为特征、免疫系统与外来病毒的作用机制以及群体协同行为,可建立与工程问题相衔接的高效新型智能方法,此将成为智能计算中新研究分支。基于此,本文针对维数较高的函数优化问题,依据果蝇的视觉、嗅觉、免疫应答生物理论,探讨新型果蝇优化算法,展开算法的计算复杂度分析和比较性的数值实验研究。研究成果对智能优化分支的快速发展具有一定的促进作用,也对工程优化问题的求解具有重要参考价值。主要工作和取得的成果概述如下:1.针对偏高维的非约束函数优化问题,依据果蝇视觉对环境的感知行为和嗅觉神经对食物的敏感特征,将视觉宽域的神经反应行为引入到算法模块设计中,获得基于视觉方向选择的果蝇优化算法。理论分析获知,该算法的计算复杂度由种群规模和问题维数确定。比较性的数值实验结果显示,该算法搜索效果稳定、求解质量较高。2.针对以上算法的效率偏低问题,设计种群规模小、迭代次数少且计算量小的微果蝇优化算法。该算法在进化中能充分利用子群协同进化来增强种群多样性和提高寻优质量。计算复杂度分析表明,该算法的复杂度由种群规模和问题维数确定。实验结果表明,其求解效果好、搜索效率高,对维数较高的优化问题具有较好的应用潜力。3.通过简单模拟果蝇抵抗外来病原体的应答过程,获得果蝇协同进化免疫优化算法。算法设计中,利用内循环产生优质个体,同时利用外循环加速寻优进程。通过内外循环的有机结合,算法的群体多样性和全局进化能力得到保证。数值实验结果显示,该算法求解高维优化问题时能稳定地得到较好的效果。
【关键词】：非约束函数优化 果蝇优化 视觉与嗅觉 果蝇免疫应答 协同进化
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-7
• 第一章 绪论7-11
• 1.1 研究背景7
• 1.2 研究目的及意义7-8
• 1.3 果蝇优化算法研究进展8-9
• 1.3.1 改进型果蝇优化算法8-9
• 1.3.2 果蝇优化算法的应用9
• 1.4 内容结构安排9-10
• 1.5 本章小结10-11
• 第二章 果蝇觅食行为理论及基本果蝇优化算法11-15
• 2.1 果蝇视觉与嗅觉特征11-12
• 2.2 果蝇免疫应答机理12
• 2.2.1 黑化作用12
• 2.2.2 细胞免疫12
• 2.2.3 体液免疫12
• 2.3 果蝇协同的免疫机理12-13
• 2.4 基本果蝇优化算法13-14
• 2.5 本章小结14-15
• 第三章 基于视觉方向选择的果蝇优化算法及应用15-26
• 3.1 问题描述与个体更新算法15-16
• 3.2 果蝇优化算法原理与描述16-18
• 3.3 算法复杂度分析18
• 3.4 数值实验18-23
• 3.4.1 测试事例18-19
• 3.4.2 实验比较分析19-22
• 3.4.3 算法效率与显著性差异分析22-23
• 3.5 应用实例23-24
• 3.6 本章小结24-26
• 第四章 求解多模态函数优化的微果蝇优化算法26-35
• 4.1 微果蝇优化算法26-27
• 4.2 算法复杂度分析27-28
• 4.3 数值实验28-34
• 4.3.1 测试事例28-29
• 4.3.2 实验结果分析29-33
• 4.3.3 算法效率和显著性差异分析33-34
• 4.4 本章小结34-35
• 第五章 果蝇免疫协同进化算法35-44
• 5.1 果蝇免疫应答机制35-36
• 5.2 人工果蝇免疫优化模型36
• 5.3 算法原理与算法描述36-38
• 5.4 数值实验38-43
• 5.4.1 测试事例38-39
• 5.4.2 实验比较分析39-42
• 5.4.3 算法效率与显著性差异分析42-43
• 5.5 本章小结43-44
• 第六章 总结与展望44-46
• 6.1 论文总结44
• 6.2 进一步研究工作44-46
• 致谢46-47
• 参考文献47-50
• 附录：攻读硕士学位期间的研究成果50-51

【相似文献】

中国期刊全文数据库 前10条

1 刘小勇;刘军;赵桂荣;马静;王勇超;;一种协同进化模型的研究[J];计算机工程与应用;2012年08期

2 张骞;李克清;戴欢;刘帅;;基于协同进化蜂群算法的覆盖优化策略[J];计算机工程与设计;2014年04期

3 王文韬;易维列;何永保;;合作式协同进化用于模糊系统的自动生成[J];模式识别与人工智能;2002年02期

4 袁琦;;基于多种群协同进化的物流配送路径优化[J];宁波大学学报(理工版);2010年02期

5 杨莉萍;黄厚宽;;基于双向维度抽取的协同进化存档算法[J];北京交通大学学报;2010年05期

6 戴维;边耐政;王硕;王金锁;;免疫协同进化模型在电子政务中的应用[J];微计算机信息;2012年01期

7 李碧,雍正正,周安宁;一种嵌入式的协同进化模型[J];计算机工程与应用;2005年09期

8 李航;寇纪淞;李敏强;;一类基于协同进化模型的混沌系统[J];系统仿真学报;2008年18期

9 陈峰;武小悦;;基于协同进化的航天测控资源优化调度[J];系统工程与电子技术;2009年11期

10 丁卫平;王建东;管致锦;;融合变精度粗糙熵和协同进化的概念格挖掘算法[J];解放军理工大学学报(自然科学版);2011年01期

中国重要报纸全文数据库 前4条

1 陈海波;科学与艺术可以协同进化[N];光明日报;2014年

2 徐艳梅　司高飞;生态学对企业的启发[N];中国企业报;2005年

3 奇 云;蜂鸟与鲜花协同进化和谐共存[N];大众科技报;2005年

4 电脑商报记者 彭敏;红旗IVI：追求协同进化[N];电脑商报;2011年

中国博士学位论文全文数据库 前9条

1 胡志华;基于免疫系统的协同进化机制及其应用研究[D];东华大学;2009年

2 刘健;基于协同进化理论的图书馆知识生态化机理与技术实现研究[D];吉林大学;2015年

3 王梅;基于生态原理的学科协同进化研究[D];天津大学;2006年

4 霍军周;人机结合协同进化设计方法及其应用[D];大连理工大学;2007年

5 慕彩红;协同进化数值优化算法及其应用研究[D];西安电子科技大学;2010年

6 殷红春;品牌生态系统复杂适应性及协同进化研究[D];天津大学;2005年

7 刘文俊;基于协同进化的群体规划研究及其应用[D];华中科技大学;2013年

8 张喜文;基于集体智慧的生态型企业协同进化研究[D];武汉理工大学;2011年

9 陈羽;应对未料灾变的实存装备局部再设计方法[D];大连理工大学;2011年

中国硕士学位论文全文数据库 前10条

1 张雪;基于协同进化的混合智能优化算法在SMT中的应用研究[D];华南理工大学;2015年

2 石江坤;基于复杂适应性的青岛市品牌生态系统协同进化研究[D];山东财经大学;2015年

3 李阳;基于协同进化和谱聚类的大规模数据集快速聚类方法研究[D];西安电子科技大学;2014年

4 张晓茹;协同进化果蝇免疫优化算法及应用[D];贵州大学;2016年

5 李同喜;支持学习的协同进化模型研究及应用[D];山东师范大学;2008年

6 张桂娟;自适应协同进化模型及应用[D];山东师范大学;2006年

7 张腾月;陕西军民融合产业园内组织成员协同进化研究[D];西安工业大学;2014年

8 李岩;基于共生协同进化的多目标算法及应用[D];北京化工大学;2008年

9 范颖;基于协同进化与强化学习的多代理协作学习研究[D];山东师范大学;2007年

10 王静莲;协同进化技术及其应用研究[D];山东师范大学;2006年

，

本文编号：893752