基于人工免疫系统的函数优化及其在复杂系统中的应用研究

摘要

该文对基于人工免疫系统的函数优化方法及其在复杂系统智能控制中的应用进行了研究探讨,文章包括两部分内容.第一部分,提出了一种基于克隆选择的函数优化方法.多模态函数和时变函数的随机优化问题是函数优化的重要研究内容,也是一个难以解决的问题.B细胞的克隆选择机制是免疫系统搜索抗体的重要手段,也是产生抗体多样性的重要原因,具有较强的优化能力.该文借鉴B细胞的克隆选择机制,通过构造克隆选择算子,提出了一种用于多模态函数和时变函数优化的克隆选择算法,进行了仿真验证以及应用探索.研究结果表明,该算法优化能力和保持模式多样性的能力较强,能够获得较好的多模态函数和时变函数优化效果.第二部分,对基于克隆选择算法的人工免疫系统在复杂系统智能控制中的应用进行了探讨.主要包括模糊控制器与人工神经网络的优化设计,以及具有不确定性的复杂系统的模糊神经网络模型辨识三个方面.首先,模糊控制和神经网络控制是智能控制研究的重要内容,常规的模糊控制器和人工神经网络设计方法主观性较强,容易影响控制器性能.通过机器学习,对实际数据进行分析,获得较好的模糊控制器或人工神经网络结构和形式,对提高智能控制效果显得较为重要.该文探讨了利用克隆选择算法,对模糊控制器和人工神经网络进行优化设计的一种方法和途径,并进行了仿真研究,实现了模糊控制器控制规则的自动抽取和参数优化,以及人工神经网络的结构和参数的优化设计,获得了较好的设计效果.其次,免疫识别具有较强的鲁棒性和适应性,借鉴抗体识别原理可以构造快速、鲁棒的复杂系统模型辨识方法.不确定系统的自适应神经网络模型辨识的实质是一个时变函数优化问题,克隆选择算法适应性强,适合用于求解此类优化问题.该文采用克隆选择算法,结合抗体的模块化构成方式、抗体识别球原理,以及模糊神经网络,针对具有不确定性的复杂系统,提出了一种基于模糊神经网络的免疫在线模型辨识方法,并进行了仿真验证.结果表明,该方法在扰动范围较大的情况下,能够有效实现复杂系统模糊神经网络模型的快速在线辨识,鲁棒性和实时性较强.

目录

文摘

英文文摘

第一章绪论

§1.1人工免疫系统及其研究概述

§1.1.1人工免疫系统的生物学基础

§1.1.2人工免疫系统的研究概况

§1.2免疫优化机理

§1.2.1免疫优化的生物学基础

§1.2.2常见的免疫优化算法

§1.2.3免疫优化算法的特点

§1.3智能控制系统的进化优化

§1.3.1智能控制概述

§1.3.2智能控制系统与进化算法的结合

§1.4本文主要内容

§1.4.1课题背景

§1.4.2本文的主要研究内容、结构和结论

参考文献

第二章基于克隆选择的函数优化算法研究

§2.1克隆选择的基本特点

§2.2克隆选择在优化中的应用

§2.3基于克隆选择的函数优化

§2.3.1基本概念

§2.3.2克隆选择算子的构造

§2.3.3基于克隆选择的多模态函数优化

§2.3.4基于克隆选择的时变函数优化

§2.4克隆选择算法在作业调度中的应用

§2.5本章小结

参考文献

第三章模糊控制器的免疫优化设计

§3.1 FLC的设计

§3.1.1 FLC的设计要求

§3.1.2 FLC的进化设计

§3.2基于克隆选择算法的FLC免疫优化设计

§3.2.1系统结构

§3.2.2学习框架的选择

§3.2.3 B细胞编码

§3.2.4算法流程

§3.2.5高变异克隆算子的设计

§3.2.6受体编辑

§3.3应用实例—倒立摆模糊控制器的设计

§3.3.1倒立摆的数学模型及其控制器的结构

§3.3.2 B细胞编码

§3.3.3初始化

§3.3.4亲和度计算

§3.3.5仿真结果

§3.4本章小结

参考文献

第四章人工神经网络的免疫优化设计

§4.1 ANN的设计

§4.1.1ANN的设计要求

§4.1.2 ANN的进化设计

§4.2基于克隆选择算法的ANN优化设计

§4.2.1问题描述

§4.2.2 B细胞编码

§4.2.3亲和度计算

§4.2.4高变异克隆

§4.2.5结构编码和参数编码的协调

§4.2.6 BP算子的构造

§4.2.7算法流程

§4.3仿真比较

§4.4算法应用—模糊神经网络设计

§4.4.1模型描述

§4.4.2 B细胞编码

§4.4.3 BP算子的构造

§4.4.4仿真数据

§5本章小结

参考文献

第五章基于模糊神经网络的复杂系统免疫辨识

§5.1免疫神经网络辨识

§5.1.1系统辨识的含义及要求

§5.1.2神经网络辨识方法的基本结构

§5.1.3免疫神经网络辨识

§5.2基于模糊神经网络的不确定性复杂系统免疫辨识

§5.2.1系统模型和可变模型的重组算法

§5.2.2辨识系统结构

§5.2.3辨识模型的学习

§5.2.4抗体库的学习

§5.2.5系统辨识算法

§5.3仿真结果

§5.4本章小结

参考文献

第六章总结和展望

附录

致谢