导读:本文包含了免疫规划算法论文开题报告文献综述及选题提纲参考文献，主要关键词:免疫规划算法,传感器节点,调度,覆盖率
免疫规划算法论文文献综述
尚鹏,周晏[1]（2013）在《基于改进免疫规划算法的监测区域传感器节点调度》一文中研究指出研究了传感器网络中的节点调度问题;首先,建立了以网络覆盖率和工作节点率为目标函数的数学模型,然后采用圆周法判断冗余节点以生成初始种群,设计了抗体的编码方式、抗体与抗原的亲和度评价函数以及采用信息熵理论计算抗体之间亲和度的方法,最后,定义了使用改进的免疫规划算法对传感器网络节点调度问题进行求解的具体算法;仿真实验表明:文中方法能正确地解决监测区域的节点调度问题,网络平均覆盖率为87.2%,较其它方法具有较大的优越性。(本文来源于《计算机测量与控制》期刊2013年08期）
叶兆莉,袁明新,程帅,王琪[2]（2013）在《移动机器人的一种烟花爆炸式新免疫规划算法》一文中研究指出针对移动机器人路径规划避障难和搜索路径等问题,要求机器人从起点到终点能搜索一条最优无碰路。为解决上述问题,提出了一种新的烟花爆炸式免疫算法(FEIA)。在免疫遗传算法(IGA)基础上,引入烟花爆炸机制进行种群更新,即在算法进化过程中,当种群达到预设爆炸代数时,从种群中提取若干较优个体和若干较差个体,将较优个体进行邻域扩展,并对扩展结果与较差个体择优进行种群重组。函数优化结果表明,与其它算法相比,FEIA收敛速度更快,搜索精度更高,且能有效地解决早熟收敛问题。而路径规划结果表明,在不同复杂环境中,FEIA能实现机器人的最优路径搜索及避障,显示出较强的搜索能力和鲁棒性。(本文来源于《计算机仿真》期刊2013年03期）
李海芳,柳凌燕,陈俊杰[3]（2010）在《基于免疫规划的神经网络规则抽取算法》一文中研究指出建立图像视觉特征和情感语义的映射关系是人工智能方向的研究热点。从神经网络的功能性观点出发,提出了一种基于免疫规划的图像情感的规则抽取算法。在对已标注情感的中国情绪图片库(CAPS)中图像颜色特征进行量化的基础上,算法将训练好的神经网络的隐层神经元输出值进行聚类,缩小搜索空间,抽取出精度高,可理解性好的符号规则,完成了图像低阶特征到高阶情感的映射。实验结果表明该方法的实用性和可行性。(本文来源于《电脑开发与应用》期刊2010年07期）
柳凌燕[4]（2010）在《基于免疫规划的图像情感规则抽取算法的研究》一文中研究指出图像中蕴涵着丰富的情感信息,图像的底层视觉特征,如颜色、纹理、形状等与图像的情感语义具有一定的对应关系。揭示图片的情感特征不仅能更深刻地描述图像,还可以将其应用于图像的人性化检索等领域。由于视觉特征到高层语义的映射通常是非线性的,难于为其建立模型,因此利用计算机模拟人类情感对图像情感语义准确理解是人工智能领域公认的难题。近年来,研究人员在进行相关问题的研究中投入了大量精力,主要的方法是引入人工智能和机器学习技术结合分类或聚类算法,通过人工交互,机器学习以及利用外部信息源等方法来实现。图像情感规则抽取的研究重点在于创建一个根据图像基本特征可对其进行感知和识别,并对图像特征中所包含的情感信息进行可理解化的描述。要实现针对图像的特征所包含的情感信息以可理解性较好的规则的形式表达出来,首先要选择适合的神经网络来对图像的特征及其情感间的映射关系进行学习。由于人类情感具有一定的复杂性、模糊性以及不确定性,虽然目前已经有很多图像情感方面的研究,但它们大多偏重于针对有限的几种典型情感进行辨识和分类,远未达到人类所赋予计算机理解和解释人类在真实世界中面对复杂多变的外界环境时所产生的各种各样的情感现象的学习以及准确分辨的能力。因此,对图像情感进行规则抽取是十分有必要的。本文的主要工作如下:(1)通过分析对情感变化产生影响的图像低阶特征,利用已通过心理学实验进行情感标注的中国情绪图片库中的风景图片,对其颜色特征采用HSV颜色空间内的非均匀量化方法,提取出图像的主颜色;(2)将其中一部分图片的颜色特征以及与其相对应的情感特征作为神经网络的训练集,训练标准叁层BP神经网络;(3)分析了已有的RX规则抽取算法,并在此基础上提出了基于免疫规划的神经网络规则抽取算法,该算法根据适应度函数的大小,不断更新种群来求得最优的隐层单元激活值聚类效果,并通过列举各神经元输入与输出的关系来形成形式简洁,精度高,可理解性好的合取规则。应用本文所提出的算法建立图像低阶特征到高阶情感的映射,实验结果表明具有较高的准确率和效率。(本文来源于《太原理工大学》期刊2010-05-01）
卢莉蓉,行小帅,霍冰鹏[5]（2007）在《基于免疫规划的模拟退火算法》一文中研究指出通过对模拟退火算法优缺点的分析,提出了一种新型的模拟退火算法——基于免疫规划的模拟退火算法。该算法借鉴了生物免疫概念与理论,将免疫规划的全局寻优能力与模拟退火算法的局部寻优能力相结合,克服了模拟退火算法运算效率低的缺点。理论分析和仿真结果表明,该算法不仅能够有效地保持种群的多样性,而且收敛速度和稳定性都有了明显提高,收敛到最优值的比例可达到91%。(本文来源于《计算机工程》期刊2007年19期）
姚建斌,行小帅,霍冰鹏[6]（2007）在《基于免疫规划的单亲遗传算法研究及其应用》一文中研究指出在分析了单亲遗传算法的优越性与存在不足的基础上,借鉴生物免疫概念与理论,提出了一种新的单亲遗传算法——基于免疫规划的单亲遗传算法。该算法的核心在于使用最优保留策略前提下,合理地构造了非均匀算子和免疫算子。理论分析和仿真结果表明,该算法不仅能够有效地保持群体多样性,而且减轻了遗传算法的后期波动现象,同时收敛速度明显提高。(本文来源于《系统工程与电子技术》期刊2007年04期）
唐桂忠,张广明,朱炜[7]（2005）在《免疫规划K-均值聚类算法识别电梯群控交通流模式》一文中研究指出提出了一种基于免疫规划K-均值聚类算法的电梯交通流模式识别新方法,以该系统前7 d的交通流数据为样本,采用免疫k-均值算法对其进行聚类分析,产生的类别对应交通流模式,将实时采样数据划分到交通流模式对应的类中,能够识别25种交通流模式;实验表明该方法识别电梯交通流模式正确率高,可以指导系统优化派梯策略,算法的收敛速度较快,能够满足群控系统的实时性要求。(本文来源于《计算机测量与控制》期刊2005年09期）
行小帅,潘进,焦李成[8]（2003）在《基于免疫规划的K-means聚类算法》一文中研究指出在分析K means聚类算法的优越性和存在不足的基础上 ,提出了一种新的聚类算法———基于免疫规划的K means聚类算法 .理论分析和仿真结果表明 ,该算法不仅有效地克服了传统的K means聚类算法易陷入局部极小值的缺点 ,而且明显地避免了对初始化选值敏感性的问题 ,同时也有较快的收敛速度 .(本文来源于《计算机学报》期刊2003年05期）
行小帅,潘进,焦李成[9]（2003）在《免疫规划+K均值混合聚类算法》一文中研究指出1.引言聚类分析(Clustering Analysis)是一种无监督的模式识别方法。聚类产生的每一组数据称为一个簇,簇中的每一数据称为一个对象。聚类的目的是使同一簇中对象的特性尽可能地相似,而不同簇对象间的特性差异尽可能地大。聚类的任务是把一个未标记的模式按某种准则划分成若干子集,要求相似的样本尽量归为同一类,而不相似的样本归为不同的类,故又称无监督分类。目前,各种聚类方法已广泛应用于数据挖(本文来源于《计算机科学》期刊2003年04期）
免疫规划算法论文开题报告
（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：
针对移动机器人路径规划避障难和搜索路径等问题,要求机器人从起点到终点能搜索一条最优无碰路。为解决上述问题,提出了一种新的烟花爆炸式免疫算法(FEIA)。在免疫遗传算法(IGA)基础上,引入烟花爆炸机制进行种群更新,即在算法进化过程中,当种群达到预设爆炸代数时,从种群中提取若干较优个体和若干较差个体,将较优个体进行邻域扩展,并对扩展结果与较差个体择优进行种群重组。函数优化结果表明,与其它算法相比,FEIA收敛速度更快,搜索精度更高,且能有效地解决早熟收敛问题。而路径规划结果表明,在不同复杂环境中,FEIA能实现机器人的最优路径搜索及避障,显示出较强的搜索能力和鲁棒性。
（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。
免疫规划算法论文参考文献
[1].尚鹏,周晏.基于改进免疫规划算法的监测区域传感器节点调度[J].计算机测量与控制.2013
[2].叶兆莉,袁明新,程帅,王琪.移动机器人的一种烟花爆炸式新免疫规划算法[J].计算机仿真.2013
[3].李海芳,柳凌燕,陈俊杰.基于免疫规划的神经网络规则抽取算法[J].电脑开发与应用.2010
[4].柳凌燕.基于免疫规划的图像情感规则抽取算法的研究[D].太原理工大学.2010
[5].卢莉蓉,行小帅,霍冰鹏.基于免疫规划的模拟退火算法[J].计算机工程.2007
[6].姚建斌,行小帅,霍冰鹏.基于免疫规划的单亲遗传算法研究及其应用[J].系统工程与电子技术.2007
[7].唐桂忠,张广明,朱炜.免疫规划K-均值聚类算法识别电梯群控交通流模式[J].计算机测量与控制.2005
[8].行小帅,潘进,焦李成.基于免疫规划的K-means聚类算法[J].计算机学报.2003
[9].行小帅,潘进,焦李成.免疫规划+K均值混合聚类算法[J].计算机科学.2003