免疫进化规划
免疫进化规划在岩体参数位移反分析中的应用
免疫进化规划在岩体参数位移反分析中的应用维普网仓储式在线作品出版平台摘要岩体参数位移反分析的优化目标函数实质为一个高度复杂的非线性函数采用传统局部优化技术存在易陷入局部极值、依赖于初值等问题而进化算法却可以很好地解决此问题结合免疫系统原理及进化规划提出了一种新算法免疫进化规划法并通过一个工程实例验证了该算法的合理有效性。
结合示例学习的移动机器人免疫进化规划研究
结合示例学习的移动机器人免疫进化规划研究维普网仓储式在线作品出版平台摘要针对变化和部分未知环境下的移动机器人导航，将示例学习和生命科学中的免疫原理、进化算法相结合。将去进化过程中的经验性能好的个体通过示例表达，提出了一种结合示例学习的移动机器人免疫进化路径规划算法。算法将示例中的路径片段通过进化机制与免疫操作等其他进化操作所产生的新路径片段相互高效地组合，能够快速进化出全局次可行路径。借助仿真实验和一些理论分析，分析了示例学习如何有效地利用过去的经验来解决部未知和变化环境下的路径规划问题．分析了所构造的免疫算子对算法的影响。
结合免疫聚类和免疫进化规划的RBF网络设计方法AnRBFTrainingMethdCmbiningImmuneClusteringandImmuneEvlutinaryPrgramming宫新保周希朗
摘要提出了一种结合免疫聚类和免疫进化规划的径向基函数RBF网络设计方法该方法采用人工免疫聚类机制根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置并通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子该算子可以缩小进化算法搜索空间的范围提高算法的收敛速度仿真结果表明采用本方法设计的RBF网络结构精简具有较强的泛化能力。
基于免疫进化规划的多用户检测技术研究
摘要把人工免疫系统和神经网络系统的信息处理机制引入到进化规划算法EP，提出了免疫进化规划算法．所提IEP通过使用随机Hpfield神经网络制备疫苗构成新的免疫算子，把新的免疫算子结合到进化规划中，不仅加快了进化规划的收敛速度，并提高了进化规划的全局收敛能力．然后在CDMA系统利用此算法设计了新的多用户检测器．仿真结果证明了该方法能够快速收敛到全局解，并且无论抗多址干扰和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器．。
自适应并行混沌免疫进化规划Adaptiveparallelchasimmuneevlutinaryprgramming程博王峰曹秉刚王军平
自适应并行混沌免疫进化规划Adaptiveparallelchasimmuneevlutinaryprgramming程博王峰曹秉刚王军平维普资讯网为了保护电子资源的知识产权，信守辉瑞公司和数据库出版商之间的协议，保证广大合法用户的正当权益，特对本网站电子文献的使用提出如下声明1、请您在使用这些文献信息的时候注意我们所提供的文献信息于以学术医学为目的的个人使用。2、为了平衡资源使用、满足更多用户需求，本服务采取限量方式每位用户每天最多限量下载10篇，每个月最多限量下载100篇。3、禁止恶意下载，禁止使用任何自动下载程序或装置来连续检索、查找和下载，禁止使用代理服务器为他人提供下载，禁止将个人帐号提供给其他人员使用禁止利用本网站下载的电子资源进行非法牟利。4、请各位用户务必遵守以上规定。对违规用户，本网站有权进行如下处理违规者的ID将被查封，违规者将被停止使用本网站的电子。
群体智能与仿生计算Matlab技术实现
品相十品配送方式普通包裹、快递、EMS配送说明上书时间20130103关键字电子工业出版社本社详细描述基本信息原价4900元作者出版社电子工业出版社ISBN9787121170423页码版次装帧开本出版时间201261印刷时间字数商品标识22805555内容简介本书广泛吸取群智能计算、模式识别、统计学、数据挖掘、机器学习、人工智能等学科的先进思想和理论，以一种新的体系，系统、全面地介绍各种群智能算法的理论、仿生计算方法及其聚类应用。全书共分为12章，内容包括进化计算、人工免疫算法、Memetic算法、粒子群算法、混合蛙跳算法、猫群算法、细菌觅食算法、人工鱼群算法、蚁群算法、蜂群算法、量子遗传算法等。其中，进化计算内容包括进化计算、遗传算法、进化规划算法、进化策略算法、差分进化算法人工免疫算法内容包括人工免疫算法概述、免疫遗传算法、免疫规划算法、免疫策略算法、基于动态疫苗提取。
基于免疫进化规划的多层前馈网络设计
多层前馈网络在神经网络的研究中占有十分重要的地位，也是目前应用最为广泛的神经网络模型之一．近10年来，多层前馈网络一直受到普遍的重视，在模式识别和分类方面获得了很大成功’‘，．用多居前馈网络解决问题的过程主要是设计适当的网络结构和构造相应的网络权值的过程．目前的设计方法主要有两种．前几年一般采用探测训练法’‘’，权值是通过不断前向计算和反向传播得到的，而结构的获取采用逐步增减式的探测方法，这既不能避免反向传播算法所固有的不足特定问题的网络结构难以确定，网络训练慢且经常陷入局部收敛，也必将使训练出的结果网络的优劣依赖于具体的探测过程并且一旦当前探测过程失败，目前得到的中间结果也不能继续沿用．近几年来，人们提出用进化算法EAevlutinaryalgrithms来设计神经网络〔’‘．进化算法包括遗传算法GAgeneticalgrithm、进化策略ESevlutinstrateg。