导读:本文包含了目标免疫论文开题报告文献综述及选题提纲参考文献，主要关键词:免疫混合粒子群算法,螺旋滚筒参数,优化设计,相似理论
目标免疫论文文献综述
赵丽娟,黄禹丁[1]（2019）在《基于免疫粒子群算法的螺旋滚筒参数多目标优化》一文中研究指出为优化螺旋滚筒参数，基于免疫混合粒子群算法对采煤机螺旋滚筒的设计参数进行了优化。运用相似理论进行模化试验，建立截割比能耗数学模型，确定了以截割比能耗、载荷波动系数、生产率和煤炭品质为优化模型，和以螺旋滚筒直径、截线距、叶片头数、螺旋滚筒的转速和采煤机牵引速度为优化变量的优化模型。通过Matlab软件编制的优化设计程序，对项目组某型号采煤机螺旋滚筒设计参数进行优化。验证了免疫粒子群算法对螺旋滚筒参数优化的可行性，同时为采煤机螺旋滚筒的设计生产提供了理论参考。(本文来源于《2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会论文集》期刊2019-12-05）
康锰,许峰[2]（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）
石洋,胡长青,崔杰[3]（2019）在《免疫粒子滤波在声呐图像目标跟踪中的应用》一文中研究指出基于前视声呐图像序列,研究并实现了经免疫算法优化的粒子滤波水下目标跟踪。声呐图像分割成二值图后,提取目标的区域形状特征以构建观测模型,设计目标模板自适应更新方法;将免疫算法的克隆与变异思想引入到粒子滤波中以解决粒子退化问题。对两组水下运动物体的跟踪实验表明,即使目标存在一定形变与干扰,文中的免疫粒子滤波算法仍能以较高的精度跟踪到目标真实运动轨迹;相比于传统粒子滤波算法,稳定性也更强。(本文来源于《声学技术》期刊2019年04期）
于晓,白梓璇,高强,李大华,李俊芳[4]（2019）在《最优可免域补体免疫网络边带模糊红外目标提取算法》一文中研究指出针对边带模糊红外图像目标区域与背景区域特征差别较小、目标边缘模糊等问题,以生物免疫系统中先天性免疫、适应性免疫与补体系统的相互作用为参考,提出了一种最优可免域补体免疫网络边带模糊红外目标的提取算法,通过设计补体免疫分类器,提取深度模糊手部红外图像类别特征及方向特征,实现对深度模糊红外图像目标区域的准确提取。实验结果的定性及定量分析证明所提算法相较于其他传统算法,提取到的目标更加准确、有效。(本文来源于《中国科技论文》期刊2019年06期）
翟志波,宋光婕[5]（2019）在《基于双种群进化策略的教与学-免疫克隆多目标进化算法》一文中研究指出目的用基于双种群进化策略的教与学-免疫克隆多目标进化算法(multi-objective teaching-learning-based optimization with immune clone algorithm, MTLBO-ICA),解决无约束多目标优化问题。方法将局部搜索能力强的免疫克隆算法(immune clone algorithm, ICA)与全局搜索能力强的教与学优化算法(teaching-learning-based optimization,TLBO)算法相结合;采用Pareto交叉算子,使得优秀个体基因尽可能得到保留;采用Pareto支配的策略,将种群分为非支配个体和支配个体。结果相比于经典的多目标优化算法NSGA-II,SPEA2以及MOTLBO,MTLBO-ICA算法得到的Pareto曲线与真实Pareto曲线拟合的比较好。结论 MTLBO-ICA在收敛性和分散性方面都有很好的表现,能有效解决无约束多目标进化问题。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2019年02期）
张仁崇,杨坤[6]（2019）在《求解多目标概率优化问题的免疫优化算法》一文中研究指出探讨求解随机变量分布特征信息未知情形下多目标概率优化问题的免疫优化算法。在算法设计中,基于免疫理论的运行机理,借助快速非支配排序法,将进化种群分割为多个类型子群;利用模拟二进制交叉加强各子群间的信息交流;采用多项式变异和均匀变异展开全局探索和局部开发;设计样本采样方案使个体动态获取样本大小。比较性的数值实验表明,所提算法的搜索效果、运行效率等具有明显优势,且对求解复杂多目标概率优化具有一定应用潜力。(本文来源于《科技视界》期刊2019年16期）
吕文鹏[7]（2019）在《免疫多目标进化算法的研究与应用》一文中研究指出多目标优化问题是进化计算领域的研究热点之一,人工免疫系统是借鉴生物免疫原理与生物免疫机制发展起来的智能系统。将人工免疫系统引入多目标进化算法目前已成为多目标优化中较有潜力的一个研究方向。本文主要研究了叁种改进的免疫多目标进化算法,并将其应用于实际问题。具体内容如下:1.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一定程度的改进。2.在求解某些比较复杂的多目标优化问题时,精确地找出全部Pareto最优前端是非常困难的。为了更好地解决这一问题,在前人相关研究工作的基础上,给出一种双进化模式免疫多目标进化算法。该算法中有两个进化模块,目的是同时改善算法的收敛速度和种群的多样性。第一个模块通过使用由竞争个体组成的子种群来独立地优化每个子目标,此模块中采用不同的进化交叉以优化相应的目标函数。第二个模块采用自适应网络免疫多目标进化算法,通过克隆、选择等操作同时优化所有目标。选择标准测试函数对新算法进行了性能测试,并与其他算法进行了比较,验证了新算法的有效性。3.针对基本免疫多目标进化算法易早熟和局部搜索能力欠佳的缺陷,将多生境免疫多目标进化算法应用于无人机灾情巡查路径优化。基本思想是:在适应值共享的基础上,在选择算子中引入排挤机制,在交叉算子中采用间隔交叉,并使用最相似个体中适应度最差个体替换技术。数值实验表明,多生境免疫多目标进化算法可以大大提高种群的多样性,在一定程度上避免早熟,获得比基本免疫多目标进化算法更优的巡查路径。图[27]表[2]参[54](本文来源于《安徽理工大学》期刊2019-05-30）
骆清国,赵耀,桂勇,刘红彬,帅刚[8]（2019）在《基于多种群协同进化免疫多目标优化算法的百叶窗优化研究》一文中研究指出为降低空气流通阻力、增加空气流量以及获得最大的防护能力,对装甲车辆进气和排气百叶窗结构优化进行研究。建立装甲车辆进气和排气百叶窗数值计算模型,根据冷却系统工作特点搭建冷却风道半实物仿真模型,对比分析优化前的仿真结果和台架测试结果,并给出了优化目标函数表达式。为解决优化效率低、计算量大的问题,确定设计变量并建立设计变量与目标函数之间关系的椭圆基神经网络替代模型。通过分析目标函数随设计变量的变化规律,采用基于多种群协同进化免疫的多目标优化算法对模型进行优化,确定了最终解。利用自组织神经网络对样本点进行数据挖掘,找到了内在规律。研究结果表明,优化后的进气和排气百叶窗在提高防护能力的同时,提高了散热性能。(本文来源于《兵工学报》期刊2019年04期）
高阳,韩韧,王清云[9]（2019）在《认知无线电网络中基于免疫算法的多目标频谱分配》一文中研究指出认知无线电网络中工作于同一信道的次用户越多,对网络造成的干扰越严重,因此如何在增加网络可服务次用户数量的同时提高网络吞吐量成为近年来的研究重点。针对此问题,文中提出了一种改进的多目标免疫算法。该算法将频谱效率和网络吞吐量作为求解目标,同时设计了适合问题求解的抗体编码方式。最后在获得适合该问题的Pareto最优解之后,与NSGA-II算法进行实验对比。仿真结果表明,所提方法在搜索Pareto最优解时性能更好,并且能够满足不同网络需求下的频谱分配要求。(本文来源于《电子科技》期刊2019年04期）
高阳阳,陈双艳,余敏建,海静,房瑞跃[10]（2019）在《改进人工免疫算法的多机协同空战目标分配方法》一文中研究指出针对多机协同空战目标分配问题,在我方综合优势函数建模的基础上,提出了一种改进人工免疫算法。首先采用随机生成法和人工构造法创建2个初始种群,保证了初始种群的多样性;然后采用2种不同的选择、交叉、变异操作进行进化;接着采用设计的新移民算子进行种群间信息交换,进一步增加种群多样性,提高搜索效率。最后设计实验将改进人工免疫算法与3种类型的人工免疫算法进行了对比。仿真结果表明:改进人工免疫算法能够有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于多机协同空战目标分配问题,满足实际作战需求。(本文来源于《西北工业大学学报》期刊2019年02期）
目标免疫论文开题报告
（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：
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。
（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。
目标免疫论文参考文献
[1].赵丽娟,黄禹丁.基于免疫粒子群算法的螺旋滚筒参数多目标优化[C].2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会论文集.2019
[2].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
[3].石洋,胡长青,崔杰.免疫粒子滤波在声呐图像目标跟踪中的应用[J].声学技术.2019
[4].于晓,白梓璇,高强,李大华,李俊芳.最优可免域补体免疫网络边带模糊红外目标提取算法[J].中国科技论文.2019
[5].翟志波,宋光婕.基于双种群进化策略的教与学-免疫克隆多目标进化算法[J].宝鸡文理学院学报(自然科学版).2019
[6].张仁崇,杨坤.求解多目标概率优化问题的免疫优化算法[J].科技视界.2019
[7].吕文鹏.免疫多目标进化算法的研究与应用[D].安徽理工大学.2019
[8].骆清国,赵耀,桂勇,刘红彬,帅刚.基于多种群协同进化免疫多目标优化算法的百叶窗优化研究[J].兵工学报.2019
[9].高阳,韩韧,王清云.认知无线电网络中基于免疫算法的多目标频谱分配[J].电子科技.2019
[10].高阳阳,陈双艳,余敏建,海静,房瑞跃.改进人工免疫算法的多机协同空战目标分配方法[J].西北工业大学学报.2019