当前位置：首页 > 产品中心
免疫进化规划
免疫进化规划
基于免疫进化非选择机制的移动机器人路径规划算法研究
2008年1月28日 借鉴生物免疫系统的工作机制，本文提出了一种基于免 疫进化非选择机制的移动机器人路径规划(MRPPAIENS: Mobile Robots Path Planning Algorithm based on Immune Evolutionary Negative Selection Mechanism)算法。该算法 能在进化过程中避免糟糕个体的2024年12月23日 免疫算法（Immune Algorithm, IA）是基于生物免疫系统原理的优化算法，其核心概念包括克隆选择理论、抗体多样性维持、负选择和免疫记忆等。在最短路径规划问题中， 路径规划之启发式算法之二十三：免疫算法（Immune 2024年8月15日 建立的免疫协同进化和子波神经计算理论模型对数值优化问题、欺骗问题、组合优化问题、约束满足问题等基准测试问题的求解结果，优于国内外文献报道的结果。 在千万 研究成果西安电子科技大学智能感知与图像理解教育部重点 2012年11月2日 统进化规划（EP）和基于混沌变异的进化算法（EACM）相比较，并行免疫进化规划效率高，能有效抑制早熟收敛现 象，可用于解决复杂的机器学习问题。自适应并行混沌免疫进化规划 豆丁网2005年9月15日 摘要： 针对变化和部分未知环境下的移动机器人导航,将示例学习和生命科学中的免疫原理、进化算法相结合,将过去进化过程中的经验(性能好的个体)通过示例表达,提出了一 结合示例学习的移动机器人免疫进化规划研究期刊万方数据 本文在分析已有的标准进化算法的优点与不足的基础上,借鉴生命科学中的免疫概念,提出了一组新的进化理论——免疫进化理论它包括三个方面:免疫算法,免疫规划和免疫策略,其核心在于免疫 免疫进化算法 百度学术
基于免疫进化与混沌变异的移动机器人路径规划学位万方数据
应用免疫进化算法实现了移动机器人静态环境下的路径规划。 在执行规划程序之前先建立了机器人的工作环境，然后执行基于免疫进化算法的路径规划算法。2006年1月9日 摘要: 该文提出了一种基于免疫进化非选择机制的移动机器人路径规划算法(MRPPAIENS)。 该算法通过非选择操作来避免进化过程中糟糕个体的产生，使得较优个体能 基于免疫进化非选择机制的移动机器人路径规划算法研究作为进化算法中一种典型的方法,进化规划是一种性能优良的全局优化算法考虑到传统进化规划计算效率低的缺点,并结合进化规划的计算流程,通过结合改进的自适应变异操作及基于免疫调节 一种免疫进化规划算法CCF数字图书馆在进化计算框架下,融合全局并行的克隆选择和启发式局部的免疫疫苗接种,设计了一类免疫克隆进化算法,并证明了该算法的全局收敛性以该算法为核心,针对大范围环境和变化环境下 基于免疫机制和多示例学习的移动机器人进化导航研究2012年11月2日 自适应并行混沌免疫进化规划 程博，王峰，曹秉刚，王军平 （西安交通大学 电动汽车研发中心，陕西西安，） 摘要：基于克隆选择原理，提出一种新的并行混沌免疫进化规划算法．在算法中，根据抗体抗原亲和度将抗体种群分为两 自适应并行混沌免疫进化规划 豆丁网2011年10月1日 文章浏览阅读11k次。本文详细介绍了机器学习的定义、策略与结构，包括归纳学习、决策树、类比学习、解释学习和神经网络学习。同时，阐述了自动规划的基础，如任务规划、路径规划，并探讨了模拟退火算法、免疫进化和蚁群算法在机器人路径规划中的应用。《人工智能及其应用》整理（4）免疫进化路径规划CSDN博客
自适应并行混沌免疫进化规划 道客巴巴
2013年5月28日 第27卷增刊2006年7月哈尔滨工程大学学报JoumalofH抽inEngineeringUniversity、，01．27Suppl．JuL2006自适应并行混沌免疫进化规划程博，王峰，曹秉刚，王军平（西安交通大学电动汽车研发中心，陕西西安，）摘要：基于克隆选择原理，提出一种新的并行混沌免疫进化规划算法．在算法中，根据抗体抗原 2011年2月1日 其内容包括改进的多种进化神经网络及其在预测及拟合方面的应用；改进的快速遗传算法及进化规划；相遇蚁群算法、奖惩蚁群算法、免疫连续蚁群算法、筛选蚁群算法以及它们在滑坡工程、复杂tsp等问题上的应用；另外，还介绍了免疫遗传算法、免疫进化规划现代智能仿生算法及其应用 读书网dushu2025年2月9日 免疫算法中的进化操作是采用了基于免疫原理的进化算子实现的，如免疫选择、克隆、变异等。而且算法中增加了抗体浓度和激励度的计算，并将抗体浓度作为评价个体质量的一个标准，有利于保持个体多样性，实现全局寻优。 2、关键参数说明免疫算法小结及算法实例（附Matlab代码）免疫算法求函数 2015年4月5日 分析边坡稳定性的关键任务是确定其临界滑移面。为了解决这个问题，提出了一种基于免疫进化规划的临界滑动面新方法。将改进的自适应变异操作和基于人工免疫系统厚度调整的改进选择操作应用于进化规划中，提出了一种用于连续优化的新型免疫进化规划。基于免疫进化规划的边坡稳定性分析 XMOL2023年6月5日 故对 ， 两个参数也采用进化方法进行确定。从 而，这里的进化神经网络算法中有4个量（输入节 点数、隐层节点数、迭代步长及惯量参数）需要由 进化确定。为了达到尽可能好的进化效果，本算法 采用文献[8]提出的免疫进化规划进行网络进化研 究。基于灰色—进化神经网络的滑坡变形预测研究其内容包括改进的多种 进化神经网络 及其在预测及拟合方面的应用；改进的快速遗传算法及进化规划；相遇蚁群算法、奖惩蚁群算法、免疫连续蚁群算法、筛选蚁群算法以及它们在滑坡工程、复杂TSP等问题上的应用；另外，还介绍了 免疫遗传算法、免疫进化现代智能仿生算法及其应用百度百科
人工免疫算法 百度文库
人工免疫算法表 1 随机优化方法求解 TSP 问题的对比研究wenkubaidu方法 模拟退火 进化规划 遗传算法 免疫算法最优化结果/km 15882 15904 次平均结果 159007 159152 15901410 次中出现最 优解次数 3 2 2平均计算时间/s 44 52024年8月15日 在国家自然科学基金重点项目、国家“863”计划等资助下，我们在国内较早提出了多子波网络、复多子波网络和泛函网络、量子进化算法、量子进化规划、量子进化策略、免疫遗传算法、免疫进化规划、免疫进化策略等理论方法。研究成果西安电子科技大学智能感知与图像理解教育部重点 2014年7月10日 陕西西安，）摘要：基于克隆选择原理，提出一种新的并行混沌免疫进化规划 算法．在算法中，根据抗体抗原亲和度将抗体种群分为两个子群，相应的提出混沌克隆算子和超变异算子，混沌克隆算子在局部空间具有较强能力，超变异算子 自适应并行混沌免疫进化规划毕业论文 道客巴巴2019年11月11日 免疫算法是受生物免疫系统的启发而推出的一种新型的智能算法，是一种确定性和随机性选择相结合并具有"勘探"与"开采"能力的启发式随机算法。算法主要的步骤: (1)抗原识别与初始抗体产生。(2)抗体评价 (3) 免疫算法（Immune Algorithm） CSDN博客2021年6月21日 进化规划 变异： 元进化规划的变异尽管类似于进化策略，但是它们有下述区别： （1）执行顺序不同。进化规划中首先计算新个体的目标变量 ′ xi ，计算中沿用旧个体 的标准差σ i ，其次才计算新个体的标准差 ′ σ i ，新的标 计算智能与仿生学：进化计算与免疫算法探索CSDN 2015年8月7日 陕西西安，摘要：基于克隆选择原理，提出一种新的并行混沌免疫进化规划 算法．在算法中，根据抗体抗原亲和度将抗体种群分为两个子群，相应的提出混沌克隆算子和超变异算子，混沌克隆算子在局部空间具有较强能力 自适应并行混沌免疫进化规划 道客巴巴
基于快速免疫进化规划的新型进化神经网络 CSDN文库
2024年8月11日 为解决这些问题，作者提出了结合快速免疫进化规划的新型进化神经网络模型，该模型能够同时优化网络的连接权值和拓扑结构。通过与BP神经网络和传统进化神经网络在异或分类问题（XOR）上的性能更多下载资源、学习资料请访问CSDN 2025年2月7日 💥💥💞💞欢迎来到本博客 ️ ️💥💥 🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。 ⛳️座右铭：行百里者，半于九十。 📋📋📋本文目录如下：🎁🎁🎁 目录 ⛳️赠与读者 💥1 概述 基于多目标遗传NSGAII、多目标免疫遗传算法求解考虑成本、救援时间和可靠 【优化选址】基于多目标遗传NSGAII、多目标免疫遗传算法 2017年7月13日 自适应并行混沌免疫进化规划论文pdf,第27卷增刊 哈尔滨工程大学学报 V01．27 Suppl． 2006年7月 JournalofHarbin University Jul．2006 Engineering 自适应并行混沌免疫进化规划 程博，王峰，曹秉刚，王军平 (西安交通大学 电动汽车研发中心，陕西自适应并行混沌免疫进化规划论文pdf2021年1月26日 下列对免疫规划算法基本原理的描述错误的是（ ）。A ）免疫规划算法主要是利用免疫系统的多样性和疫苗接种机制，提高了算法的收敛性。B ）免疫规划算法相对否定选择算法更具实际应用价值。C ）免疫规划算法中的免疫算子仅由接种疫苗一部分构成。计算智能题库 人工免疫算法 HYLUZ2019年12月2日 在11月27日发表在《免疫学趋势》的一篇综述中，研究人员描述了基因起源如何影响非洲或欧亚后裔患上与免疫相关疾病的可能性。研究人员还分享了人类免疫系统仍在进化的证据，这取决于一个人的生活地点或生活方式。研究揭示人类与免疫疾病共同进化 中国科学院丛编： 普通高等教育农业部“十二五”规划教材 全国高等农林院校“十二五”规划教材 简介： 全书共分13章,涉及免疫进化 、免疫系统、抗原、抗体及免疫球蛋白、补体系统、主要组织相容性抗原、固有免疫、特异性免疫应答与调节、超敏反应与自身 免疫学
基于免疫进化规划的多层前馈网络设计 豆丁网
2025年2月1日 为了解决这个问题，本文提出了一种基于免疫进化规划的多层前馈网络设计方法。该方法将免疫算法和进化规划相结合，利用免疫系统的自适应、自组织和自适应性能，通过进化规划来优化网络结构和参数，从而提高多层前馈网络的性能。2相关工作2015年11月8日 第39卷增刊003年8月地质与勘探GEOLOGYANDPROSPECTINGV01．39SupplementAugIlst，003免疫进化规划在岩体参数位移反分析中的应用高1．中科院武汉岩土所岩土力学重点实验室，武汉玮1，；．后勤工程学院土木工程系，重庆[摘要]岩体参数位移反分析的优化目标函数实质为一个高度复杂的非线 免疫进化规划在岩体参数位移反分析中的应用 道客巴巴2012年11月7日 其内容包括改进的多种进化神经网络及其在预测及拟合方面的应用；改进的快速遗传算法及进化规划；相遇蚁群算法、奖惩蚁群算法、免疫连续蚁群算法、筛选蚁群算法以及它们在滑坡工程、复杂TSP等问题上的应用；另外，还介绍了免疫遗传算法、免疫进化规划现代智能仿生算法及其应用 豆瓣读书2018年1月2日 自适应并行混沌免疫进化规划研究pdf,第27卷增刊 哈尔滨工程大学学报 V01．27 Suppl． 2006年7月 JournalofHarbin University Jul．2006 Engineering 自适应并行混沌免疫进化规划 程博，王峰，曹秉刚，王军平 (西安交通大学 电动汽车研发中心，陕西自适应并行混沌免疫进化规划研究pdf 4页 原创力文档2012年4月30日 其中，免疫进化算法主要包括三个方面：免疫遗传算法、免疫进化规划和免疫进化策略。 通过我们的仿真实验和广大同仁的相关研究表明，免疫理论和方法不仅在学术研究方面是可行的，而且在工程实践领域也是有效的。王磊（博导）西安理工大学计算机科学与工程学院 2023年3月25日 另外还有：免疫算法、蛙跳算法、帝国竞争算法（Imperialist Competitive Algorithm，ICA）、和声算法、分布估计算法、Memetic算法、文化算法、灰狼优化算法、人工免疫算法、进化规划、进化策略、候鸟优化算法、布谷鸟算法、花朵授粉算法、引力优化算法综述 知乎
一种免疫进化规划算法论文 道客巴巴
2014年5月10日 一种免疫进化规划算法论文 道客巴巴 论文精选2012年11月2日 自适应并行混沌免疫进化规划 程博，王峰，曹秉刚，王军平 （西安交通大学 电动汽车研发中心，陕西西安，） 摘要：基于克隆选择原理，提出一种新的并行混沌免疫进化规划算法．在算法中，根据抗体抗原亲和度将抗体种群分为两 自适应并行混沌免疫进化规划 豆丁网2011年10月1日 文章浏览阅读11k次。本文详细介绍了机器学习的定义、策略与结构，包括归纳学习、决策树、类比学习、解释学习和神经网络学习。同时，阐述了自动规划的基础，如任务规划、路径规划，并探讨了模拟退火算法、免疫进化和蚁群算法在机器人路径规划中的应用。《人工智能及其应用》整理（4）免疫进化路径规划CSDN博客2013年5月28日 第27卷增刊2006年7月哈尔滨工程大学学报JoumalofH抽inEngineeringUniversity、，01．27Suppl．JuL2006自适应并行混沌免疫进化规划程博，王峰，曹秉刚，王军平（西安交通大学电动汽车研发中心，陕西西安，）摘要：基于克隆选择原理，提出一种新的并行混沌免疫进化规划算法．在算法中，根据抗体抗原 自适应并行混沌免疫进化规划 道客巴巴2011年2月1日 其内容包括改进的多种进化神经网络及其在预测及拟合方面的应用；改进的快速遗传算法及进化规划；相遇蚁群算法、奖惩蚁群算法、免疫连续蚁群算法、筛选蚁群算法以及它们在滑坡工程、复杂tsp等问题上的应用；另外，还介绍了免疫遗传算法、免疫进化规划现代智能仿生算法及其应用 读书网dushu2025年2月9日 免疫算法中的进化操作是采用了基于免疫原理的进化算子实现的，如免疫选择、克隆、变异等。而且算法中增加了抗体浓度和激励度的计算，并将抗体浓度作为评价个体质量的一个标准，有利于保持个体多样性，实现全局寻优。 2、关键参数说明免疫算法小结及算法实例（附Matlab代码）免疫算法求函数
基于免疫进化规划的边坡稳定性分析 XMOL
2015年4月5日 分析边坡稳定性的关键任务是确定其临界滑移面。为了解决这个问题，提出了一种基于免疫进化规划的临界滑动面新方法。将改进的自适应变异操作和基于人工免疫系统厚度调整的改进选择操作应用于进化规划中，提出了一种用于连续优化的新型免疫进化规划。2023年6月5日 故对 ， 两个参数也采用进化方法进行确定。从 而，这里的进化神经网络算法中有4个量（输入节 点数、隐层节点数、迭代步长及惯量参数）需要由 进化确定。为了达到尽可能好的进化效果，本算法 采用文献[8]提出的免疫进化规划进行网络进化研 究。基于灰色—进化神经网络的滑坡变形预测研究其内容包括改进的多种 进化神经网络 及其在预测及拟合方面的应用；改进的快速遗传算法及进化规划；相遇蚁群算法、奖惩蚁群算法、免疫连续蚁群算法、筛选蚁群算法以及它们在滑坡工程、复杂TSP等问题上的应用；另外，还介绍了 免疫遗传算法、免疫进化现代智能仿生算法及其应用百度百科人工免疫算法表 1 随机优化方法求解 TSP 问题的对比研究wenkubaidu方法 模拟退火 进化规划 遗传算法 免疫算法最优化结果/km 15882 15904 次平均结果 159007 159152 15901410 次中出现最 优解次数 3 2 2平均计算时间/s 44 5人工免疫算法 百度文库2024年8月15日 在国家自然科学基金重点项目、国家“863”计划等资助下，我们在国内较早提出了多子波网络、复多子波网络和泛函网络、量子进化算法、量子进化规划、量子进化策略、免疫遗传算法、免疫进化规划、免疫进化策略等理论方法。研究成果西安电子科技大学智能感知与图像理解教育部重点