导读:本文包含了免疫蚂蚁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:蚂蚁算法,免疫算法,RBF网络,模拟电路
免疫蚂蚁算法论文文献综述
李晴,何怡刚,包伟[1]（2010）在《免疫蚂蚁算法优化的RBF网络用于模拟电路故障诊断》一文中研究指出针对传统蚂蚁算法中出现的易停滞现象,引入免疫机制,提出了一种新的融合算法,即免疫-蚂蚁算法,用其对RBF网络中心参量进行优化,并将优化后的模型用于模拟电路故障诊断。详述了算法原理,构造网络模型的步骤以及故障诊断步骤,并给出了仿真实例。仿真结果表明该方法可以有效克服基本蚂蚁算法的缺陷,优化得到的RBF网络实现了对隐层中心参量的自适应获取,提高泛化能力,用于故障诊断有速度快、准确率高的特点。(本文来源于《仪器仪表学报》期刊2010年06期）
任燕[2]（2010）在《基于蚂蚁免疫记忆优化算法的网格任务调度研究》一文中研究指出网格任务调度是网格技术中的关键环节,由于网格资源存在分布性、异构性、动态性等特点,用户对网格资源的要求也呈现多样化,使得在大规模分布环境中的任务调度是一个十分复杂的问题,而任务调度算法性能及策略的好坏直接影响到网格系统的整体性能,更关系到网格服务质量的好坏。如何改进任务调度算法及策略,提高任务调度系统整体效率的同时又满足网格用户的多QoS需求,是一个极具挑战性的问题。首先,本文以蚁群算法作为研究网格任务调度的基础理论,通过将生物免疫记忆过程和基于蚁群的任务调度过程进行类比,建立资源优选记忆库,成功的将生物免疫记忆机制引入到蚁群算法中,进一步提出了蚂蚁免疫记忆的PCIMACA任务调度算法,该算法通过对任务相似度检测,使相同或相似的任务进行二次调度时,可以直接调用资源优选记忆库中的资源,避免任务每次调度都遍历所有网格资源进行搜索,有效的缩短了任务和资源的映射时间。算法在资源信息素的更新规则中除了使用资源信息素奖罚因子,还设计了资源负载平衡奖罚因子,使算法能较快的收敛于调度成功率高且负载小于一定阈值的资源。通过GridSim网格仿真实验,将PCIMACA算法与ACO、Min-Min算法进行比较,证明了该算法有效的缩短了任务调度的响应时间,使任务调度的成功率和资源负载都有所改善。本文提出的将生物免疫记忆机制与蚁群算法相结合的网格任务调度思想,对网格任务调度算法的研究有一定的创新意义。其次,对现有网格用户的需求进行了细化分析,将用户对网格资源的需求细分为对资源的具体属性需求和模糊属性需求,通过基于Agent的任务调度模型和PCIMACA任务调度算法,根据用户对网格资源的需求进行预分类,同时通过模糊动态聚类、数量积等方法建立资源需求预分类库,提出了基于用户需求的UDDPTS任务调度模型。本文提出的基于用户需求的网格预分类方法对研究网格其它类型的资源的调度有着通用的意义。最后,在网格任务调度模型中引入了系统可靠性理论,在随机Petri网的基础上对任务调度系统中单个资源和串、并联链路资源进行可靠性建模分析,提出了基于随机Petri网的GSRSPN任务调度模型,该模型使用TRMA算法和任务可达图构造算法使模型在考虑了每个资源节点可靠性和用户多QoS需求的同时找出任务调度最优资源路径,实例验证了该调度模型,不仅满足网格用户在时间和费用上的要求,还考虑对网格资源可靠度的限制,该模型对网格任务调度系统的可靠性和容错性具有积极的意义。本文结合蚁群算法、生物免疫记忆机制、可靠性等理论,使用相似度算法、模糊动态聚类法、数量积法等方法提出蚂蚁免疫记忆的PCIMACA任务调度算法、建立基于用户需求的UDDPTS动态任务调度模型和基于随机Petri网的GSRSPN任务调度可靠度模型,通过网格调度仿真实验和实例验证证明了以上算法和模型对网格任务调度的研究起到借鉴的意义。(本文来源于《西安建筑科技大学》期刊2010-05-01）
周彩兰,胡劲,郭宏杰[3]（2009）在《网格中基于免疫原理的蚂蚁算法》一文中研究指出针对传统蚂蚁算法的缺点,提出了一种应用于网格任务调度策略中的基于免疫原理的改进蚂蚁算法。改进的蚂蚁算法通过积累和充分利用信息素来指导蚁群的行为。改进后的算法在TSP实验中取得了较好的效果。(本文来源于《武汉理工大学学报(信息与管理工程版)》期刊2009年03期）
刘震宇,陈哲强,王蔚[4]（2007）在《基于免疫-蚂蚁算法的多约束QoS多播路由优化》一文中研究指出针对多约束QoS多播路由问题,选择带宽、时延和时延抖动为QoS参数,借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力,提出了一种新的融合算法即免疫-蚂蚁算法。利用免疫算法把目标函数和约束条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制,利用蚂蚁算法产生和更新抗体。实验结果表明,该算法能够明显提高路由选择的效率。(本文来源于《计算机工程》期刊2007年09期）
陈旭,宋爱国[5]（2006）在《蚂蚁算法与免疫算法结合求解TSP问题》一文中研究指出针对传统蚂蚁算法存在的加速收敛与早熟、停滞现象之间的矛盾,通过接种疫苗和免疫选择两个步骤完成免疫过程,并与蚂蚁算法相结合,设计出新颖的免疫蚂蚁算法,并将其应用于求解复杂的TSP问题。数值模拟表明,该算法可以有效地克服基本蚁群算法容易出现停滞现象的缺陷,具有更好的全局搜索能力和稳定性。(本文来源于《传感技术学报》期刊2006年02期）
毛宁[6]（2006）在《具有免疫能力的蚂蚁算法研究》一文中研究指出蚂蚁算法(Ant Algorithm)是近些年来启发式算法研究的一个热点,其自提出以来,便在求解复杂组合优化问题上显示出了强大的优势。作为一种全局搜索的方法,蚂蚁算法具有正反馈性、并行性、分布性、自组织性等特点。但是,蚂蚁算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟停滞现象。针对上述不足,我们在深入研究蚂蚁算法的同时,又对免疫算法和遗传算法进行了一定的研究和分析,提出了两种蚂蚁算法的改进算法。旨在借鉴其他仿生算法的长处,利用其优点弥补蚂蚁算法的不足,从而提高蚂蚁算法的求解性能,加快算法的收敛速度。 首先,针对蚂蚁算法中的个体蚂蚁缺乏识别问题特征信息的能力,将免疫算法中疫苗的思想引入到蚂蚁算法中,提出了具有免疫能力的蚂蚁算法。将问题的特征信息作为疫苗注射给蚂蚁,使蚂蚁具有“免疫”的能力, 其次,为了提高蚁群相互交流的能力,将遗传算法引入到蚂蚁算法的迭代过程中,提出了蚁群遗传算法。遗传算法中的交叉算子可以帮助增强蚁群的群体协作能力,变异算子则可以帮助蚂蚁跳出局部最优,从而蚂蚁算法的收敛速度得到加快,算法的搜索性能得以提高。 最后,将上述两种改进算法应用于旅行商问题,进行仿真试验,检验改进算法的相关性能。实验结果表明,这两种改进的蚂蚁算法较之原先的蚂蚁算法,其无论是在寻优能力还是在寻优效率上均有了较大的提高。(本文来源于《河北工业大学》期刊2006-01-01）
蒋加伏,陈荣元,唐贤瑛,谭旭[7]（2004）在《基于免疫——蚂蚁算法的多约束QoS路由选择》一文中研究指出针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。(本文来源于《通信学报》期刊2004年08期）
免疫蚂蚁算法论文开题报告
（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：
网格任务调度是网格技术中的关键环节,由于网格资源存在分布性、异构性、动态性等特点,用户对网格资源的要求也呈现多样化,使得在大规模分布环境中的任务调度是一个十分复杂的问题,而任务调度算法性能及策略的好坏直接影响到网格系统的整体性能,更关系到网格服务质量的好坏。如何改进任务调度算法及策略,提高任务调度系统整体效率的同时又满足网格用户的多QoS需求,是一个极具挑战性的问题。首先,本文以蚁群算法作为研究网格任务调度的基础理论,通过将生物免疫记忆过程和基于蚁群的任务调度过程进行类比,建立资源优选记忆库,成功的将生物免疫记忆机制引入到蚁群算法中,进一步提出了蚂蚁免疫记忆的PCIMACA任务调度算法,该算法通过对任务相似度检测,使相同或相似的任务进行二次调度时,可以直接调用资源优选记忆库中的资源,避免任务每次调度都遍历所有网格资源进行搜索,有效的缩短了任务和资源的映射时间。算法在资源信息素的更新规则中除了使用资源信息素奖罚因子,还设计了资源负载平衡奖罚因子,使算法能较快的收敛于调度成功率高且负载小于一定阈值的资源。通过GridSim网格仿真实验,将PCIMACA算法与ACO、Min-Min算法进行比较,证明了该算法有效的缩短了任务调度的响应时间,使任务调度的成功率和资源负载都有所改善。本文提出的将生物免疫记忆机制与蚁群算法相结合的网格任务调度思想,对网格任务调度算法的研究有一定的创新意义。其次,对现有网格用户的需求进行了细化分析,将用户对网格资源的需求细分为对资源的具体属性需求和模糊属性需求,通过基于Agent的任务调度模型和PCIMACA任务调度算法,根据用户对网格资源的需求进行预分类,同时通过模糊动态聚类、数量积等方法建立资源需求预分类库,提出了基于用户需求的UDDPTS任务调度模型。本文提出的基于用户需求的网格预分类方法对研究网格其它类型的资源的调度有着通用的意义。最后,在网格任务调度模型中引入了系统可靠性理论,在随机Petri网的基础上对任务调度系统中单个资源和串、并联链路资源进行可靠性建模分析,提出了基于随机Petri网的GSRSPN任务调度模型,该模型使用TRMA算法和任务可达图构造算法使模型在考虑了每个资源节点可靠性和用户多QoS需求的同时找出任务调度最优资源路径,实例验证了该调度模型,不仅满足网格用户在时间和费用上的要求,还考虑对网格资源可靠度的限制,该模型对网格任务调度系统的可靠性和容错性具有积极的意义。本文结合蚁群算法、生物免疫记忆机制、可靠性等理论,使用相似度算法、模糊动态聚类法、数量积法等方法提出蚂蚁免疫记忆的PCIMACA任务调度算法、建立基于用户需求的UDDPTS动态任务调度模型和基于随机Petri网的GSRSPN任务调度可靠度模型,通过网格调度仿真实验和实例验证证明了以上算法和模型对网格任务调度的研究起到借鉴的意义。
（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。
免疫蚂蚁算法论文参考文献
[1].李晴,何怡刚,包伟.免疫蚂蚁算法优化的RBF网络用于模拟电路故障诊断[J].仪器仪表学报.2010
[2].任燕.基于蚂蚁免疫记忆优化算法的网格任务调度研究[D].西安建筑科技大学.2010
[3].周彩兰,胡劲,郭宏杰.网格中基于免疫原理的蚂蚁算法[J].武汉理工大学学报(信息与管理工程版).2009
[4].刘震宇,陈哲强,王蔚.基于免疫-蚂蚁算法的多约束QoS多播路由优化[J].计算机工程.2007
[5].陈旭,宋爱国.蚂蚁算法与免疫算法结合求解TSP问题[J].传感技术学报.2006
[6].毛宁.具有免疫能力的蚂蚁算法研究[D].河北工业大学.2006
[7].蒋加伏,陈荣元,唐贤瑛,谭旭.基于免疫——蚂蚁算法的多约束QoS路由选择[J].通信学报.2004