人工免疫系統(tǒng)在函數(shù)優(yōu)化和數(shù)據(jù)聚類中的應(yīng)用.pdf

1、生物免疫系統(tǒng)是一個具有高度智能的分布協(xié)調(diào)自適應(yīng)系統(tǒng)。發(fā)展基于生物免疫系統(tǒng)的智能算法，探討其在工程實際中的應(yīng)用已成為當前的熱點問題。本文對人工免疫系統(tǒng)在優(yōu)化和數(shù)據(jù)挖掘方面的理論和應(yīng)用進行了研究。
　　本文由免疫系統(tǒng)中的抗體濃度抑制原理得到啟發(fā)，改進了克隆選擇算法CLONALG。算法中通過引入抗體的濃度的概念來反映種群中個體的多樣性，并依據(jù)此參數(shù)來自適應(yīng)調(diào)整克隆選擇算法中的變異率。與CLONALG和opt-aiNET算法進行比較表明，

2、改進的克隆選擇算法在保持較快的優(yōu)化速度和較強的全局搜索能力的同時，可以有效保持模式多樣性，使得算法在多模態(tài)函數(shù)優(yōu)化問題上表現(xiàn)出較好的優(yōu)化結(jié)果。
　　本文進一步研究了免疫網(wǎng)絡(luò)aiNET聚類算法。鑒于此算法是一種非常有效的數(shù)據(jù)壓縮和聚類的方法，本文采用aiNET算法對T-S型模糊神經(jīng)網(wǎng)絡(luò)的訓練樣本進行聚類，確定網(wǎng)絡(luò)的結(jié)構(gòu)。在確定了網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，采用最小二乘和BP算法優(yōu)化網(wǎng)絡(luò)中各參數(shù)。以上過程即完成了模糊規(guī)則提取過程。為驗證算法的有