免疫优化计算学习与识别PDF电子书下载

第1章　进化论与计算智能 1

1.1　人工智能与计算智能 1

1.2　进化论与进化计算 4

1.3　免疫系统与人工免疫系统 8

1.4　本书的结构 9

1.4.1　研究目的和方法 9

1.4.2　主要研究内容 10

1.4.3　结构安排与阅读建议 11

1.5　结论与讨论 13

参考文献 13

第2章　生物免疫系统 16

2.1　免疫基本概念及免疫学发展 16

2.1.1　免疫的含义 16

2.1.2　免疫学发展 17

2.2　生物免疫系统组成 18

2.2.1　免疫器官 19

2.2.2　免疫细胞 21

2.2.3　免疫分子 22

2.3　免疫分类 25

2.4　免疫系统的主要功能 26

2.4.1　免疫识别 27

2.4.2　免疫应答 27

2.4.3　免疫耐受 29

2.4.4　免疫记忆 30

2.4.5　免疫调节 31

2.5　抗体克隆选择学说 33

2.5.1　抗体生成理论的变迁 33

2.5.2　克隆选择学说 34

2.6　独特型网络调节学说 36

2.6.1　独特型网络调节学说概述 36

2.6.2　Jerne的免疫网络结构 37

2.7　人工免疫系统的基本术语 38

2.8　结论与讨论 39

参考文献 40

第3章　从生物免疫到人工免疫系统 41

3.1　人工免疫系统的历史 41

3.2　人工免疫系统的研究领域 41

3.2.1　人工免疫系统模型的研究 42

3.2.2　人工免疫系统算法的研究 44

3.2.3　人工免疫系统方法的应用研究 48

3.3　人工免疫系统与其他方法的比较 51

3.3.1　人工免疫系统与进化计算 51

3.3.2　人工免疫系统与人工神经网络 51

3.3.3　人工免疫系统与一般的确定性优化算法 53

3.4　结论与讨论 54

参考文献 55

4.1.1　算法 59

4.1　免疫算法 59

第4章　免疫进化算法 59

4.1.2　收敛性分析 61

4.1.3　免疫疫苗 64

4.1.4　免疫算子 67

4.1.5　TSP问题 69

4.2　免疫规划 72

4.2.1　算法 72

4.2.2　免疫疫苗的自适应提取 76

4.2.3　函数优化 77

4.3　免疫策略 80

4.3.1　算法 80

4.3.2　获取免疫疫苗的进化规划算法 84

4.3.3　TSP问题 86

4.4　结论与讨论 88

参考文献 90

5.1　克隆选择算子 92

第5章　免疫克隆选择计算 92

5.2　免疫克隆计算的统一描述 95

5.3　免疫克隆选择算法 96

5.3.1　免疫克隆选择算法 96

5.3.2　基本操作的性质 97

5.3.3　克隆选择算法的收敛性 98

5.4　免疫克隆选择规划 99

5.5　免疫克隆选择策略 102

5.6　多克隆算子与单克隆算子的比较 104

5.7　免疫克隆选择计算与进化计算 108

5.8　结论与讨论 116

参考文献 120

第6章　高级免疫克隆选择计算 122

6.1 自适应动态克隆算法 122

6.1.1　算法 122

6.1.2　函数优化 123

6.2.1　免疫优势定义 126

6.2　免疫优势克隆算法 126

6.2.2　抗体免疫优势的获得与算法 128

6.2.3　背包问题 129

6.2.4　函数优化 132

6.2.5　TSP问题 133

6.3 自适应多克隆规划算法 143

6.3.1　算法 143

6.3.2　函数优化 144

6.4　免疫记忆克隆规划算法 147

6.4.1　算法 147

6.4.2　算法分析 151

6.4.3　函数优化 153

6.5 自适应混沌克隆进化规划算法 156

6.5.1　自适应混沌变异算子 156

6.5.2　算法 158

6.5.3　函数优化 159

6.6　求解TSP问题的超变异抗体克隆选择算法 163

6.6.1　TSP问题与遗传算法 164

6.6.2　TSP问题的三角形表示与启发式变异 165

6.6.3　超变异抗体克隆算法 167

6.6.4　TSP问题 168

6.7　结论与讨论 172

参考文献 175

第7章　量子进化计算与量子克隆选择算法 178

7.1　量子计算原理 178

7.1.1　状态的叠加 179

7.1.2　状态的相干 179

7.1.3　状态的纠缠 180

7.1.4　量子并行性 180

7.2　量子计算智能的几种模型 180

7.2.1　量子人工神经网络 180

7.2.2　基于量子染色体的进化算法 181

7.2.3　基于量子特性的优化算法 182

7.2.4　量子聚类算法 182

7.2.5　量子模式识别算法 183

7.2.6　量子小波与小波包算法 183

7.2.7　量子退火算法 183

7.2.8　其他 184

7.3　量子进化算法 184

7.3.1　量子进化算法的提出 184

7.3.2　量子进化算法中用到的一些基本概念 185

7.3.3　量子进化算法 186

7.3.4　量子进化算法的结构框架 190

7.3.5　量子进化算法的收敛性 192

7.3.6　QEA求解背包问题 194

7.3.7　QEA求解函数极值点 198

7.3.8　QEA求解TSP问题 200

7.4　量子克隆进化算法 202

7.4.1　量子克隆遗传算法 203

7.4.2　量子克隆进化规划 203

7.4.3　量子克隆进化策略 204

7.4.4　量子克隆进化算法的收敛性 204

7.4.5 QCA求解函数极值点 206

7.4.6 QCA求解背包问题 209

7.4.7 QCA的并行实现 211

7.5　结论与讨论 212

参考文献 213

第8章　人工免疫网络 218

8.1　两种典型的人工免疫网络 218

8.1.1　资源受限人工免疫系统 218

8.1.2 aiNet：进化人工免疫网络 219

8.1.3　讨论 219

8.2 ART-进化免疫网络 220

8.2.1　算法实现策略 221

8.2.2　分类试验 222

8.3　形态空间人工免疫调节网络 224

8.3.1　字条模型与形态空间模型 224

8.3.2　学习算法 226

8.3.3　算法的收敛性 228

8.3.4　函数优化 230

8.4　结论与讨论 234

参考文献 235

第9章　基于免疫进化计算的数据聚类 237

9.1　数据聚类问题 237

9.2　基于GA的混合类型数据聚类算法 240

9.2.1　算法描述 240

9.2.2　仿真试验 242

9.3　基于ICSA的混合特征数据聚类算法 245

9.3.1　算法描述 245

9.3.2　仿真试验 246

9.4　基于进化免疫网络的聚类算法 251

9.5　基于克隆算法的网络结构聚类算法 252

9.5.1　算法描述 252

9.5.2　仿真试验 254

9.6　结论与讨论 258

参考文献 259

第10章　移动通信中的免疫自适应多用户检测 261

10.1　空时二维CDMA系统 262

10.1.1　空时信号模型 262

10.1.2　空时二维接收机 264

10.2　基于免疫策略的RBF网络 266

10.2.1 RBF网络的基本形式 266

10.2.2 RBF网络与多层感知器的比较 267

10.2.3　免疫策略算法 268

10.2.4 RBF网络的学习策略 270

10.2.5　基于免疫策略的RBF网络 272

10.3　基于免疫RBF网络的CDMA多用户检测判决器 273

10.4　基于免疫RBF网络的CDMA多用户检测判决器的仿真结果与分析 274

10.5　一种基于免疫克隆算法的多用户检测器 277

10.5.1　用于CDMA多用户检测的免疫克隆算法 278

10.5.2　算法复杂度分析 280

10.5.3　算法参数影响分析 281

10.6　基于免疫克隆算法的多用户检测器的仿真结果与分析 283

10.6.1　与最佳多用户检测器的比较 284

10.6.2　同步CDMA系统下的仿真 284

10.6.3　异步CDMA系统下的仿真 286

10.6.4　瑞利衰落信道多径CDMA系统下的仿真 288

10.7　结论与讨论 292

参考文献 292

第11章　网络组播路由免疫优化 295

11.1　组播技术 295

11.1.1　组播技术的产生背景 295

11.1.2　组播的特点 296

11.1.3　组播算法 297

11.1.4　组播路由协议 298

11.2　组播树理论基础及算法 300

11.2.1 Steiner树问题的定义 300

11.2.2 Steiner树启发算法 301

11.2.3 QoS的基本概念 303

11.3　基于遗传算法的组播路由算法 305

11.4　免疫克隆选择组播路由算法 309

11.4.1　算法步骤 309

11.4.2　算法复杂度 311

11.4.3　仿真实例及结果分析 311

11.5　基于免疫克隆选择策略的时延受限组播路由算法 314

11.5.1　时延受限组播问题的数学描述 314

11.5.2　求解备选路径集 315

11.5.3　算法步骤 316

11.5.5　仿真实验 318

11.5.4　算法复杂度分析 318

11.6　基于克隆蚁群的时延受限组播路由 321

11.6.1　蚁群算法 321

11.6.2　基于自适应蚁群算法的时延受限组播路由 322

11.6.3　基于免疫克隆选择算法的时延受限组播路由 325

11.6.4　基于克隆蚁群算法的组播路由 328

11.7　基于免疫克隆选择算法的重构动态组播路由 331

11.7.1　动态路由问题描述 332

11.7.2　不可调的动态路由算法 332

11.7.3　部分重构的动态组播路由算法 333

11.8　基于免疫克隆选择算法的层次组播路由 338

11.8.1　层次网络结构 338

11.8.2　核节点选择方案 340

11.8.3　网络模型 340

11.8.4　基于免疫克隆选择算法的层次组播路由 341

11.8.5　实验仿真和算法分析 342

参考文献 344

11.9　结论与讨论 344

第12章　基于免疫机理的网络安全与入侵检测 348

12.1　免疫机理在入侵检测系统中的应用 350

12.2　计算机免疫系统 354

12.2.1　信息传输免疫系统 354

12.2.2　计算机信息处理免疫系统 357

12.2.3　仿真研究 362

12.3　基于免疫机理的入侵检测系统 364

12.3.1　自然免疫系统和入侵检测系统 364

12.3.2　基于免疫机理的入侵检测系统的设计 367

12.3.3　基于免疫机理的入侵检测系统的体系架构 375

12.3.4　基于免疫机理的入侵检测系统的配置 379

12.4　结论与讨论 379

参考文献 381

13.1　存在的问题和进一步研究的方向 384

第13章　人工免疫系统的研究前沿与展望 384

13.2　算法研究的前沿 385

13.3　应用研究与实现 386

13.4　基于人工免疫系统的智能集成 387

附录A　人工免疫系统的相关论著 388

A.1　图书与特刊 388

A.2　国内期刊论文 389

A.3　人工免疫系统研究者与网站 399

附录B　测试问题 401

B.1 函数 401

B.2　TSP问题 408

B.3　背包问题 412

附录C　基本算法 415

C.1　二进制编码的简单遗传算法源程序 415

C.2　二进制编码的简单克隆选择算法源程序 432

C.3　用于TSP问题的克隆选择算法源程序 449