导读:本文包含了自适应免疫进化算法论文开题报告文献综述、选题提纲参考文献，主要关键词:算法,免疫,自适应,人工免疫,目标,启发式,算子。
自适应免疫进化算法论文文献综述写法
康锰,许峰[1]（2019）在《多进化策略自适应免疫多目标进化算法》一文中研究指出为了在基于克隆选择的免疫多目标进化算法中提高种群的多样性,提出了一种基于目标函数变化率的多进化策略自适应免疫多目标进化算法,以采用克隆选择的免疫多目标进化算法为基础,根据目标函数的变化率,在不同的进化阶段自适应地选择两种不同的差分进化策略,在保证算法收敛速度的同时兼顾种群的多样性,避免算法陷入局部最优。选用DTLZ测试函数对新算法进行了性能测试,并与其它算法进行了比较。结果显示,新算法解的分布性和均匀性有了一定程度的提高。(本文来源于《安徽理工大学学报(自然科学版)》期刊2019年05期）
吕文鹏,许峰[2]（2018）在《基于自适应网格方法的免疫多目标进化算法》一文中研究指出针对免疫多目标进化算法分布性欠佳的缺陷,提出一种基于自适应网格方法的免疫多目标进化算法。基本思想是:对抗体群进行免疫克隆、免疫基因和克隆选择操作后,利用自适应网格方法提高抗体群的多样性。仿真实验结果和统计指标显示,改进算法与常规免疫多目标进化算法相比较,在解的分布性方面有了较大程度的改进。(本文来源于《软件工程》期刊2018年06期）
刘丽杰,许楠,李盼池[3]（2012）在《基于自适应免疫进化算法的聚焦爬虫搜索策略》一文中研究指出聚焦爬虫是主题搜索引擎的核心部件。针对目前聚焦爬虫搜索策略的不足,提出基于主题相关度和页面重要性相结合的综合相关度来判别页面主题相关性,并采用自适应免疫进化算法这种搜索策略指导聚焦爬虫的爬行,实验结果证明,该算法下载的主题相关网页数所占比例明显高于最佳搜索和广度优先搜索算法的比例,具有更高的搜索效率。(本文来源于《黑龙江八一农垦大学学报》期刊2012年04期）
韩贵金[4]（2010）在《一种基于混沌的自适应免疫进化算法》一文中研究指出基于免疫系统的克隆选择机理,利用混沌序列的遍历性,将混沌序列引入算法初始群体的产生和抗体的扩展过程,设计出新的扩展算子,从而提出一种基于混沌的自适应免疫进化算法。用不同测试函数进行仿真实验,结果表明该算法有效,并能以较快的速度完成给定范围的搜索和优化任务。(本文来源于《西安邮电学院学报》期刊2010年05期）
徐海芹,丁永生,胡志华[5]（2009）在《基于自适应免疫进化算法的逻辑电路设计》一文中研究指出针对现有进化算法在进行逻辑电路设计时存在的进化缓慢和容易陷入局部解等问题,提出一种自适应免疫进化算法(adaptive immune evolutionary algorithm,AIEA)。该算法引入了免疫记忆机制和抗体差异调节算子,能够很好地保证个体的多样性,有利于跳出局部最优解;通过采用自适应交叉率和变异率,提高了算法的搜索能力和收敛速度。通过与多目标进化算法(MOEA)、简单免疫算法(SIA)的实验比较,证明了该自适应免疫进化算法的有效性。(本文来源于《计算机应用研究》期刊2009年06期）
胡春平,颜学峰[6]（2009）在《基于免疫系统的自适应差分进化算法及在水银氧化动力学参数估计中的应用(英文)》一文中研究指出A new version of differential evolution(DE) algorithm,in which immune concepts and methods are applied to determine the parameter setting,named immune self-adaptive differential evolution(ISDE),is proposed to improve the performance of the DE algorithm.During the actual operation,ISDE seeks the optimal parameters arising from the evolutionary process,which enable ISDE to alter the algorithm for different optimization problems and improve the performance of ISDE by the control parameters' self-adaptation.The performance of the proposed method is studied with the use of nine benchmark problems and compared with original DE algorithm and other well-known self-adaptive DE algorithms.The experiments conducted show that the ISDE clearly outperforms the other DE algorithms in all benchmark functions.Furthermore,ISDE is applied to develop the kinetic model for homogeneous mercury(Hg) oxidation in flue gas,and satisfactory results are obtained.(本文来源于《Chinese Journal of Chemical Engineering》期刊2009年02期）
刘传玉,王兆青[7]（2009）在《一种自适应免疫记忆多克隆进化算法》一文中研究指出基于免疫系统的克隆选择机制,提出一种用于函数优化的改进免疫克隆算法。该算法针对单克隆选择算法容易陷入局部最优的弱点以及算法在迭代后期易出现停止不前的现象,采用浮点编码,增加了两超变异、启发式交叉和错位交叉叁种算子;对不同的抗体群采用不同的进化方法;自适应调节变异和交叉系数及抗体的克隆数量。对叁个典型复杂函数的测试结果表明,该算法有效地克服了早熟问题,提高了全局寻优能力,收敛速度快,性能稳定。(本文来源于《浙江理工大学学报》期刊2009年01期）
何宏,钱锋[8]（2007）在《一种新的自适应免疫进化算法》一文中研究指出根据生物免疫系统的免疫网络调节机理,提出了一种新的自适应免疫进化算法.该算法按照抗体激励水平进行选择操作;同时建立优秀抗体记忆库,并采用种群自适应调节策略,保持了进化抗体群的多样性.试验表明,该算法比标准遗传算法的收敛性能好,能有效避免遗传算法种群多样性保持能力不足和早收敛的缺点.(本文来源于《信息与控制》期刊2007年01期）
杨孔雨,王秀峰[9]（2005）在《自适应多模态免疫进化算法的研究与实现》一文中研究指出基于免疫系统的动力学模型,根据一类抗体可结合多个抗原表位并逐步达到亲和度成熟的机理,研究并实现了一种多模态免疫进化算法(MIEA).算法的主要算子包括正选择、记忆细胞产生、超变异和抗体相似性抑制.对不同的多峰值函数进行的仿真实验证明,算法能够找到多模态问题的全部最优解或尽可能多的局部最优解.通过与同类算法进行比较和计算复杂性分析表明,该算法不仅计算量小、具有更好的搜索性能,而且无需任何先验知识,可实现真正的自适应搜索.(本文来源于《控制与决策》期刊2005年06期）
张志伟,庞伟正,姜永成[10]（2005）在《基于自适应免疫进化算法的多用户检测》一文中研究指出本文采用自适应免疫进化算法来解决多用户检测问题.通过计算机仿真,无论是抗多址干扰还是抑制远近效应,此方法都明显优于传统检测方法,并且具有与最优检测器接近的误码率性能.(本文来源于《佳木斯大学学报(自然科学版)》期刊2005年01期）
自适应免疫进化算法论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对免疫多目标进化算法分布性欠佳的缺陷,提出一种基于自适应网格方法的免疫多目标进化算法。基本思想是:对抗体群进行免疫克隆、免疫基因和克隆选择操作后,利用自适应网格方法提高抗体群的多样性。仿真实验结果和统计指标显示,改进算法与常规免疫多目标进化算法相比较,在解的分布性方面有了较大程度的改进。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应免疫进化算法论文参考文献
[1].康锰,许峰.多进化策略自适应免疫多目标进化算法[J].安徽理工大学学报(自然科学版).2019
[2].吕文鹏,许峰.基于自适应网格方法的免疫多目标进化算法[J].软件工程.2018
[3].刘丽杰,许楠,李盼池.基于自适应免疫进化算法的聚焦爬虫搜索策略[J].黑龙江八一农垦大学学报.2012
[4].韩贵金.一种基于混沌的自适应免疫进化算法[J].西安邮电学院学报.2010
[5].徐海芹,丁永生,胡志华.基于自适应免疫进化算法的逻辑电路设计[J].计算机应用研究.2009
[6].胡春平,颜学峰.基于免疫系统的自适应差分进化算法及在水银氧化动力学参数估计中的应用(英文)[J].ChineseJournalofChemicalEngineering.2009
[7].刘传玉,王兆青.一种自适应免疫记忆多克隆进化算法[J].浙江理工大学学报.2009
[8].何宏,钱锋.一种新的自适应免疫进化算法[J].信息与控制.2007
[9].杨孔雨,王秀峰.自适应多模态免疫进化算法的研究与实现[J].控制与决策.2005
[10].张志伟,庞伟正,姜永成.基于自适应免疫进化算法的多用户检测[J].佳木斯大学学报(自然科学版).2005