收藏本站
《吉林大学》 2010年 博士论文
收藏 | 手机打开
二维码
手机客户端打开本文

若干改进的人工免疫算法及其在大气环境领域中的应用

韩旭明  
【摘要】: 本文在人工免疫系统的基础上,针对免疫克隆选择算法进行了理论研究和应用研究,并将提出和改进的免疫克隆选择算法应用到大气质量评价和大气质量预测两个领域,取得了令人满意的结果。主要研究内容和方法如下: 1.提出引入疫苗接种策略的免疫克隆选择算法,即ICSA-VS(Immune Clonal Selection Algorithm Introduced into Vaccination Strategy)算法。在疫苗提取,疫苗选取,疫苗接种过程中引入轮盘赌选择算法,并构造了二进制位基因位选取和接种策略等方法。 算法采用实数制编码;根据解决问题的复杂程度和实际需要确定抗体的克隆规模;疫苗提取是将优良抗体集中的全部抗体作为候选疫苗种群;根据候选疫苗个体亲和度占候选疫苗种群所有个体亲和度之和的比率,计算候选疫苗个体被选取的概率,通过轮盘赌方法在候选疫苗种群中选取候选接种疫苗;将候选接种疫苗与克隆后的抗体按照二进制位基因位选取得到的基因位进行疫苗接种,形成新抗体。本文提出的ICSA-VS算法在疫苗接种过程中具有随机性、自适应性和多样性等特点,提高了优良抗体和疫苗的接种概率,确保优良抗体和基因能够在子代抗体中得以继承和延续,实现了免疫的自我调节功能。 2.提出引入局部高斯变异算子的免疫克隆选择算法,即ICSA-LGMO(Immune Clonal Selection Algorithm Introduced into Local Gaussian Mutation Operator)算法。高斯变异继承了高斯分布具有的集中性、对称性和均匀变动性等优良特征,具有较好的局部搜索能力。主要改进方法是通过构造并引入局部高斯变异算子指导抗体基因变异,利用局部高斯变异的小步长不断地自适应调整与变换,实现抗体基因在局部区域上的扰动,搜索原抗体附近比原抗体更好满足问题的新抗体和基因,从而形成新的抗体。本文提出的ICSA-LGMO算法有效地提高了局部求解的精度,克服了传统免疫克隆选择算法局部搜索能力不佳的问题。 3.鉴于ICSA-VS算法和ICSA-LGMO算法具有的优点,将两种算法相结合,提出了引入疫苗接种策略和高斯变异算子的免疫克隆选择算法,即ICSA-VSLGMO(Immune Clonal Selection Algorithm Introduced into Vaccination Strategy and Local Gaussian Mutation Operator)算法。另外,对两种算法相结合,互相促进,相互提高的过程进行分析。本文提出的ICSA-VSLGMO算法局部搜索更为细腻,求解的精度也明显提高。这种求解精度的提高不是上述两种算法通过增加运行时间,提高迭代次数所能达到的,是两种算法优势上的相互补充,互相促进与提高。 此外,在几种改进的免疫克隆选择算法中,本文还采用了扩大搜索空间策略,确保在全局范围内搜索到较好的新抗体和基因,避免陷入局部峰值。同时,还采用禁忌算法和插入排序等方法提高算法效率。 4.在ICSA-VSLGMO算法的基础上,根据评价大气质量的目标函数,采用ICSA-VSLGMO算法对大气污染损害率公式进行参数优化,进而提出一种基于免疫克隆选择算法的大气质量评价模型和评价方法。通过模拟实验结果的比较和分析得出:与传统免疫克隆选择算法相比,本文提出的ICSA-VS,ICSA-LGMO和ICSA-VSLGMO算法的全局和局部搜索能力明显提高,提高了求解精度。ICSA-VSLGMO算法能够在保持种群多样性的同时提高算法收敛速度;本文提出的大气质量评价方法具有原理直观,物理意义明确,评价结果准确等优点。它是人工免疫理论和技术应用于大气环境领域的一种新的有效方法,具有较好的实用性和应用前景。 5.提出一种适合于优化多参问题的动态阈值方法。该方法结合抗体间的相似度确定初始阈值,通过构造阈值递减函数约束动态阈值的衰减幅度,避免产生相似的抗体,有效克服免疫克隆选择算法优化多参问题时产生的近亲繁殖和早熟收敛问题。 6.鉴于引入动态阈值策略的ICSA-VSLGMO算法在多参优化方面具有较好的优势,提出了一种基于改进免疫克隆选择算法(引入动态阈值策略的ICSA-VSLGMO算法)优化动态递归神经网络的新方法。对递归神经网络的具体结构(隐层节点数目),连接权值,联系单元的初始值等实现自动进化训练学习,实现了动态递归神经网络的自动构造与设计,并以动态递归Elman神经网络为例进行分析。该方法为免疫克隆选择算法优化动态递归神经网络提供一种新的有效解决方案。 7.将本文提出的改进的免疫克隆选择算法优化Elman神经网络,引入趋势信息双反馈Elman神经网络和基本Elman神经网络三种网络应用于大气质量预测领域。通过对三种主要污染物SO2,NO2,PM10拟合和预测的实验结果进行比较和对比分析,验证了本文提出的改进的免疫克隆选择算法(引入动态阈值策略的ICSA-VSLGMO算法)优化Elman神经网络具有较好的拟合与预测能力,利用该方法对吉林省某城市的大气质量进行预测,得到了令人满意的结果,具有较好的实用价值和应用前景。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 褚燕彬;曹柳林;王晶;;利用组合B样条神经网络实现对间歇反应过程的动态建模[J];化工学报;2011年S1期
2 余剑;;基于多层支撑矢量机分类算法提取最优抗体集的研究[J];煤炭技术;2011年07期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 洪露;;一种改进克隆选择算法的收敛速度方法研究[A];中国自动化学会控制理论专业委员会B卷[C];2011年
2 苏彩红;曾永发;张志飞;吴菁;;一种突触后抑制递归神经网络结构及其在模式识别中的应用[A];第二十六届中国控制会议论文集[C];2007年
3 武新华;张义凤;高晶波;;转子—轴承系统非线性参数辨识研究[A];2003大型发电机组振动和转子动力学学术会议论文集[C];2003年
4 刘勇;沈毅;胡恒章;;递归神经网络自适应滤波器[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
5 王继泉;左学胜;;基于递归神经网络的坦克车辆故障诊断系统[A];2006中国控制与决策学术年会论文集[C];2006年
6 张燕;杨鹏;郭欣;张雪萍;颜威利;;基于递归神经网络的下肢表面肌电信号分类研究[A];2005中国控制与决策学术年会论文集(下)[C];2005年
7 周颖;裘之亮;赵红玉;张萍;;克隆选择算法在多峰值函数优化中的应用[A];2006中国控制与决策学术年会论文集[C];2006年
8 张旭;郭晨;孙建波;;自适应多模态克隆选择算法[A];2007年中国智能自动化会议论文集[C];2007年
9 蒲兴成;;时变时滞不确定递归神经网络渐近稳定的一个充分条件[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年
10 李鸿儒;邓长辉;顾树生;温馨;;递归神经网络快速学习算法的研究[A];2000中国控制与决策学术年会论文集[C];2000年
中国博士学位论文全文数据库 前10条
1 韩旭明;若干改进的人工免疫算法及其在大气环境领域中的应用[D];吉林大学;2010年
2 赵永昌;一类时滞静态递归神经网络的动力学行为研究[D];中国海洋大学;2010年
3 王芬;递归神经网络的动力学行为分析[D];武汉科技大学;2011年
4 王扬帆;基于偏微分方程的时滞递归神经网络的动力分析与多尺度图像处理研究[D];中国海洋大学;2011年
5 赵海全;基于非线性函数扩展的流水线型自适应滤波理论与方法研究[D];西南交通大学;2011年
6 毕革新;递归神经网络的动态系统辨识及其在船舶运动控制中的应用研究[D];大连海事大学;2009年
7 徐东坡;递归神经网络梯度学习算法的收敛性[D];大连理工大学;2009年
8 王建民;基于回声状态网络的非线性时间序列预测方法研究[D];哈尔滨工业大学;2011年
9 刘力军;求对称矩阵特征值的神经网络方法[D];大连理工大学;2006年
10 何广杰;克隆选择算法及其在地基工程若干问题中的应用[D];西南交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 章国升;基于递归神经网络的非线性系统辨识研究[D];兰州大学;2010年
2 刘博瑞;两类时滞递归神经网络的全局稳定性分析[D];中国海洋大学;2010年
3 刘延玲;递归神经网络记忆存储器的两个应用[D];天津大学;2012年
4 葛洋;多时滞递归神经网络的指数稳定性研究[D];曲阜师范大学;2010年
5 刘朝华;免疫克隆选择算法研究及其应用[D];湖南大学;2010年
6 孙小淇;三类递归神经网络的稳定性分析[D];中国海洋大学;2011年
7 梁晔;基于储备池计算的混沌时间序列预测方法研究[D];兰州大学;2012年
8 罗治国;面向客户关系挖掘的克隆选择算法研究[D];西安理工大学;2010年
9 彭伟雄;克隆选择算法及其在高维全局函数优化中的应用[D];中南大学;2010年
10 阳文学;克隆选择算法及其在数据挖掘分类中的应用研究[D];重庆师范大学;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978