基于免疫系統(tǒng)優(yōu)化算法、模型及其應(yīng)用研究

內(nèi)容概要

　　人工免疫系統(tǒng)是一門(mén)基于生物免疫學(xué)、計(jì)算機(jī)科學(xué)的交叉學(xué)科，是計(jì)算智能領(lǐng)域一個(gè)新的研究熱點(diǎn)?！痘诿庖呦到y(tǒng)優(yōu)化算法、模型及其應(yīng)用研究》在人工免疫算法、免疫系統(tǒng)模型及應(yīng)用方面做了一些研究工作，主要?jiǎng)?chuàng)新點(diǎn)是：1.受生物免疫系統(tǒng)的“針對(duì)一種抗原免疫系統(tǒng)能通過(guò)克隆選擇產(chǎn)生多種抗體”機(jī)制的啟發(fā)，提出了兩種適用于多模態(tài)函數(shù)優(yōu)化的免疫算法：小生境克隆選擇算法（NCSA）和基于聚類(lèi)的小生境克隆選擇算法（C-NCSA）；2.在免疫系統(tǒng)模型研究方面，對(duì)利用“復(fù)雜網(wǎng)絡(luò)”理論建立免疫系統(tǒng)模型進(jìn)行了探討，為免疫系統(tǒng)的不同機(jī)制建立了相應(yīng)的復(fù)雜網(wǎng)絡(luò)模型：（1）基于BA網(wǎng)絡(luò)的克隆選擇模型；（2）基于ER模型的獨(dú)特型網(wǎng)絡(luò)模型；（3）基于“種群”的免疫系統(tǒng)模型；3.將多模態(tài)免疫算法應(yīng)用到入侵檢測(cè)系統(tǒng)，提出了一種基于模糊規(guī)則自動(dòng)發(fā)現(xiàn)的模糊網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)。

作者簡(jiǎn)介

　　鄭士芹，1973年生，河北保定人，畢業(yè)于南開(kāi)大學(xué)信息技術(shù)學(xué)院，控制理論與控制工程專業(yè)博士研究生。研究方向?yàn)橛?jì)算智能與信息安全，主要從事人工免疫系統(tǒng)模型和應(yīng)用的研究。目前是北京信息職業(yè)技術(shù)學(xué)院信息安全技術(shù)專業(yè)教師。2010年國(guó)家精品課程《網(wǎng)絡(luò)安全產(chǎn)品配置與管理》課程負(fù)責(zé)人。教育部高職高專電子信息類(lèi)教學(xué)指導(dǎo)委員會(huì)信息安全技術(shù)專業(yè)組組長(zhǎng)，完成高職《信息安全技術(shù)專業(yè)規(guī)范》的開(kāi)發(fā)。主教課程：網(wǎng)絡(luò)安全設(shè)備配置與應(yīng)用，網(wǎng)絡(luò)滲透等核心課程。

書(shū)籍目錄

第1章 緒論
1.1 引言
1.2 生物免疫系統(tǒng)簡(jiǎn)介
1.2.1 相關(guān)免疫學(xué)術(shù)語(yǔ)
1.2.2 免疫系統(tǒng)的生理結(jié)構(gòu)
1.2.3 多層免疫體系
1.2.4 基本免疫識(shí)別和作用機(jī)理
1.2.5 生物免疫系統(tǒng)的特點(diǎn)
1.3 人工免疫系統(tǒng)研究綜述
1.3.1 人工免疫系統(tǒng)概念
1.3.2 免疫算法
1.3.3 人工免疫網(wǎng)絡(luò)模型和算法
1.3.4 人工免疫系統(tǒng)模型
1.3.5 人工免疫系統(tǒng)設(shè)計(jì)指導(dǎo)
1.3.6 人工免疫系統(tǒng)研究所面臨的困難
1.4 研究?jī)?nèi)容和結(jié)構(gòu)安排
第2章 面向多模態(tài)函數(shù)優(yōu)化的免疫算法
2.1 引言
2.2 小生境克隆選擇算法
2.2.1 克隆選擇算法介紹
2.2.2 算法的不足與改進(jìn)
2.2.3 小生境克隆選擇算法
2.2.4 算法收斂性分析
2.2.5 仿真實(shí)驗(yàn)
2.2.6 結(jié)論
2.3 基于聚類(lèi)的小生境克隆選擇算法
2.3.1 小生境克隆選擇算法存在的問(wèn)題
2.3.2 小生境克隆選擇算法的改進(jìn)
2.3.3 基于聚類(lèi)的小生境克隆選擇算法
2.3.4 C-NCSA算法的特性分析
2.3.5 仿真實(shí)驗(yàn)
2.3.6 結(jié)論
2.4 本章小結(jié)
第3章 基于復(fù)雜網(wǎng)絡(luò)的免疫系統(tǒng)模型研究
3.1 免疫系統(tǒng)模型研究簡(jiǎn)介
3.2 克隆選擇學(xué)說(shuō)的復(fù)雜網(wǎng)絡(luò)模型
3.2.1 克隆選擇學(xué)說(shuō)簡(jiǎn)介
3.2.2 基于BA模型的克隆選擇學(xué)說(shuō)模型
3.2.3 模型度分布特性
3.2.4 模型分析
3.3 獨(dú)特型網(wǎng)絡(luò)學(xué)說(shuō)的復(fù)雜網(wǎng)絡(luò)模型
3.3.1 獨(dú)特型網(wǎng)絡(luò)（idiotypes network）理論
3.3.2 基于ER模型的獨(dú)特型網(wǎng)絡(luò)模型
3.3.3 模型分析
3.4 免疫系統(tǒng)的復(fù)雜網(wǎng)絡(luò)模型
……
第4章 小生境克隆選擇算法在入侵檢測(cè)中的應(yīng)用
第5章 結(jié)論
參考文獻(xiàn)

章節(jié)摘錄

　　在大量的實(shí)際問(wèn)題中，如化工、冶金等許多生產(chǎn)過(guò)程中，不同原料組成或原料的不同組分，要求不同的操作條件，不同的操作條件，得到產(chǎn)品的不同品質(zhì)。在經(jīng)濟(jì)、金融領(lǐng)域，不同的收益風(fēng)險(xiǎn)要求，得到不同的投資策略；反之，不同的投資策略，得到不同的收益結(jié)果，等等。所以在許多優(yōu)化問(wèn)題中，不僅要求在可行域內(nèi)尋找全局最優(yōu)解，而且往往需要搜索多個(gè)全局最優(yōu)解和有意義的局部最優(yōu)解，為決策者提供多種選擇或者多方面的信息，這類(lèi)問(wèn)題一般稱為多峰函數(shù)優(yōu)化問(wèn)題或者多模態(tài)函數(shù)優(yōu)化問(wèn)題。如何構(gòu)造一種優(yōu)化算法，使之能夠搜索到所有全局最優(yōu)解和盡量多的局部最優(yōu)解，已成為優(yōu)化領(lǐng)域內(nèi)研究的一個(gè)熱點(diǎn)問(wèn)題?！　?duì)于具有多模態(tài)性質(zhì)的連續(xù)函數(shù)優(yōu)化問(wèn)題或組合優(yōu)化問(wèn)題，傳統(tǒng)的基于導(dǎo)數(shù)或其他啟發(fā)式的搜索算法（如梯度法、爬山法、模擬退火方法等），一次運(yùn)行一般只能找到一個(gè)“最優(yōu)解”，而且均存在著“如何避免陷于局部極值”的問(wèn)題。標(biāo)準(zhǔn)的遺傳算法具有概率選擇機(jī)制和全局搜索的特點(diǎn)，在解決多模態(tài)優(yōu)化問(wèn)題中具有一定的可能性。但由于交叉算子的隨機(jī)配對(duì)機(jī)制，可能會(huì)使位于不同峰值附近的個(gè)體發(fā)生交叉，進(jìn)而偏離各自的峰點(diǎn)；而且在搜索過(guò)程中，親和度小的峰值點(diǎn)不斷地被淘汰，因此一般不能同時(shí)搜索到多個(gè)峰值點(diǎn)。于是針對(duì)多模態(tài)問(wèn)題的改進(jìn)遺傳算法。所謂多模態(tài)遺傳算法應(yīng)運(yùn)而生。但這些算法基本上都是在標(biāo)準(zhǔn)遺傳算法的基礎(chǔ)上，增加一些新的操作，如共享機(jī)制、排擠機(jī)制、分區(qū)處理策略、自適應(yīng)參數(shù)法，等等。因此，算法雖然在理論上或在一定條件下可以求解決多模態(tài)問(wèn)題。但這些算法大都要求知道一些條件，如峰的分布等較苛刻的條件，在實(shí)際應(yīng)用中受到限制。針對(duì)以上問(wèn)題，人們一方面繼續(xù)改進(jìn)傳統(tǒng)遺傳算法；另一方面則希望開(kāi)辟新思路，來(lái)解決多模態(tài)問(wèn)題?！　　?/pre>








圖書(shū)封面






評(píng)論、評(píng)分、閱讀與下載



還沒(méi)讀過(guò)(95)
勉強(qiáng)可看(693)
一般般(118)
內(nèi)容豐富(4908)
強(qiáng)力推薦(402)


 


    基于免疫系統(tǒng)優(yōu)化算法、模型及其應(yīng)用研究 PDF格式下載