免疫克隆選擇算法的研究與應用

第1章 緒論
1.1 引言
1.2 最優(yōu)化問題
1.3 智能優(yōu)化算法
1.3.1 進化算法
1.3.2 群智能算法
1.3.3 其他優(yōu)化算法
1.4 人工免疫系統(tǒng)研究概述
1.4.1 人工免疫系統(tǒng)的生物學基礎
1.4.2 人工免疫系統(tǒng)的發(fā)展及研究現(xiàn)狀
1.4.3 人工免疫算法研究現(xiàn)狀
1.5 本書的主要研究內容
1.5.1 本書的主要工作
1.5.2 本書的組織結構
第2章 人工免疫系統(tǒng)研究
2.1 引言
2.2 生物免疫系統(tǒng)
2.2.1 免疫學基本概念
2.2.2 生物免疫系統(tǒng)組成與功能
2.2.3 生物免疫系統(tǒng)的特點
2.2.4 生物免疫應答與免疫記憶
2.2.5 免疫系統(tǒng)克隆選擇理論
2.2.6 獨特性免疫網絡理論
2.3 人工免疫系統(tǒng)的研究內容和范圍
2.4 人工免疫系統(tǒng)與其他方法的比較
2.4.1 人工免疫系統(tǒng)與進化計算
2.4.2 人工免疫系統(tǒng)與人工神經網絡
2.4.3 人工免疫系統(tǒng)與一般的確定性優(yōu)化算法
2.5 小結
第3章 免疫進化算法
3.1 引言
3.2 人工免疫算法
3.2.1 人工免疫算法原理
3.2.2 人工免疫算法特點
3.2.3 人工免疫算法流程
3.2.4 人工免疫算法與其他算法的比較
3.3 免疫遺傳算法
3.3.1 免疫疫苗
3.3.2 免疫算子
3.3.3 免疫遺傳算法基本流程
3.4 陰性選擇算法
3.5 人工免疫網絡算法
3.6 小結
第4章 免疫克隆選擇算法
4.1 引言
4.2 克隆選擇原理與應用
4.2.1 克隆選擇原理
4.2.2 克隆選擇在優(yōu)化中的應用
4.3 克隆選擇算子的機理與構造
4.3.1 克隆選擇算子
4.3.2 基因變異算子
4.4 免疫克隆選擇算法的流程
4.5 免疫克隆選擇算法的特點
4.6 免疫克隆選擇算法與進化計算的比較
4.7 小結
第5章 免疫克隆選擇算法的改進研究
5.1 引言
5.2 基本免疫克隆選擇算法的不足
5.3 免疫顯性克隆選擇算法
5.3.1 抗體免疫顯性
5.3.2 克隆算子
5.3.3 指數(shù)型變異
5.3.4 免疫顯性克隆選擇算法流程
5.4 主從式免疫克隆選擇算法
5.4.1 主從式結構
5.4.2 子種群的改良
5.4.3 主種群的改良
5.4.4 遷入和遷出
5.4.5 主從式免疫克隆選擇算法流程
5.5 自適應全局免疫克隆選擇算法
5.5.1 選擇算子
5.5.2 克隆算子
5.5.3 變異算子
5.5.4 自適應全局免疫克隆選擇算法流程
5.6 不同算法之間的比較
5.7 小結
第6章 免疫顯性克隆選擇算法求解CVRP
6.1 引言
6.2 物流配送問題描述
6.3 物流配送問題數(shù)學模型的建立
6.3.1 問題的假設與說明
6.3.2 物流配送問題數(shù)學模型
6.4 物流配送問題求解方法
6.5 免疫顯性克隆選擇算法解決CVRP的算法實現(xiàn)
6.6 仿真實例與分析
6.6.1 小規(guī)模BENCHMARK實例仿真與分析
6.6.2 中大規(guī)模BENCHMARK實例仿真與分析
6.7 小結
第7章 主從式免疫克隆選擇算法求解TAP
7.1 引言
7.2 任務分配問題描述
7.3 任務分配問題的數(shù)學模型
7.4 主從式免疫克隆選擇算法解決TAP的算法實現(xiàn)
7.4.1 抗體編碼及適值函數(shù)建立
7.4.2 主從式免疫克隆選擇算法解決TAP的流程
7.5 仿真實例與分析
7.6 小結
第8章 自適應全局免疫克隆選擇算法優(yōu)化FLC
8.1 引言
8.2 模糊邏輯控制器的設計
8.2.1 FLC的語言變量
8.2.2 語言變量值的選取
8.2.3 隸屬度函數(shù)的選取
8.2.4 控制規(guī)則的確定
8.2.5 模糊推理及決策
8.3 基于AGICSA的FLC優(yōu)化設計
8.4 基于AGICSA的PHEVFEMC設計與優(yōu)化
8.4.1 并聯(lián)式混合動力汽車描述
8.4.2 模糊能量管理控制器設計
8.4.3 模糊能量管理控制器優(yōu)化
8.4.4 仿真結果與分析
8.5 小結
第9章 結論與展望
附錄 CVRPBENCHMARK
參考文獻