基于免疫進化算法的神經(jīng)進化.pdf

1、近年來，人們對生物智能系統(tǒng)的關注日益高漲。這其中，尤其以神經(jīng)網(wǎng)絡、進化算法、DNA計算和免疫系統(tǒng)最為重要。免疫神經(jīng)進化是由免疫算法、進化算法、神經(jīng)網(wǎng)絡的結合而構成的，具有解決實際問題的能力，比如模式識別能力、記憶能力、學習能力、多樣性產(chǎn)生能力、噪聲耐受、泛化、分布式診斷和優(yōu)化能力等等?；谏飳W原理的新型計算技術不斷發(fā)展，目的不僅是為了更好的理解生物系統(tǒng)本身，更重要的在于解決工程問題。
　　 本文借鑒生命科學中免疫的概念與理論，

2、研究免疫神經(jīng)進化的原理、算法及應用。首先，簡單介紹上述三種算法的相關概念及性質，分析將三者結合的可行性，接著提出了免疫進化策略與免疫遺傳算法兩種算法，最后將這兩種算法應用于神經(jīng)網(wǎng)絡的結構和權值的設計中，提出了基于免疫進化策略的神經(jīng)進化和基于免疫遺傳算法的神經(jīng)進化兩種神經(jīng)進化算法。在基于免疫進化策略的神經(jīng)進化算法中具體對編碼、親合度設計、濃度設計、基于濃度和親合度的抗體選擇以及抗體變異進行了描述，為了改進算法跳出局部極小的能力，文中專門對

3、免疫進化策略的變異算子進行了研究，經(jīng)過綜合比較，采用了柯西算子作為算法的變異算子，仿真結果顯示，雖然基于免疫進化策略的神經(jīng)進化可以在算法收斂性上滿足要求，然而，由于編碼問題使得算法的收斂速度較慢，本文進而對抗體基因編碼方法進行了改進，提出了基于免疫遺傳算法的神經(jīng)進化，在這種算法中，抗體編碼采用了混合編碼，并相應的設計出抗體的親合度函數(shù)、濃度函數(shù)，并且對交叉變異等操作分別進行了改進，仿真實驗對兩種算法及其他一些神經(jīng)網(wǎng)絡設計算法進行了比較，