生物啟發(fā)計算若干關鍵技術與應用研究.pdf

1、生物啟發(fā)計算是在生物界自然現(xiàn)象的啟示下獲得靈感，研究開發(fā)智能計算模型和算法的新興學科，包含遺傳算法、粒子群算法、人工免疫算法、蟻群算法、神經網(wǎng)絡等算法。生物啟發(fā)計算作為高效的優(yōu)化算法廣泛應用于數(shù)據(jù)挖掘、機器人應用和網(wǎng)絡入侵檢測等領域；也為復雜問題的求解提供了新的解決方法。與成熟學科相比，生物啟發(fā)計算的研究仍處于初步探索階段。為提高生物啟發(fā)計算的應用效率，本文研究生物啟發(fā)計算的三種典型計算方法：遺傳算法、粒子群算法和人工免疫算法，分別提出

2、協(xié)作協(xié)進化遺傳算法、基于懲罰機制的自適應交叉粒子群算法和基于多種群遺傳算法的抗體生成算法等，并利用多機器人路徑規(guī)劃和入侵檢測系統(tǒng)驗證提出算法的有效性，為解決生物啟發(fā)計算的“早熟”問題、局部收斂問題、降低計算復雜度等關鍵問題提供了新的思路和方法。 本文主要工作包括： 1.針對遺傳算法求解多目標優(yōu)化問題中存在的早熟問題，設計了一種染色體長度可變、混合編碼的Messy遺傳算法（MessyGA），并在此基礎上提出全局適應度函數(shù)，

3、實現(xiàn)了基于協(xié)作協(xié)進化的MessyGA（CCMGA）。在傳統(tǒng)遺傳算法的選擇操作、交叉操作和變異操作基礎上，利用簡化操作、平滑操作和修復操作來輔助目標函數(shù)的優(yōu)化。針對遺傳算法容易喪失種群多樣性的問題，結合混沌機制提高CCMGA的局部搜索能力。最后利用CCMGA實現(xiàn)多機器人路徑規(guī)劃，通過Matlab的仿真實驗模擬多機器人在相對復雜的地圖環(huán)境下完成動態(tài)路徑規(guī)劃，驗證算法有效克服早熟問題，并且CCMGA能提高遺傳算法的收斂速度和最優(yōu)解。

4、2.粒子群算法近年出現(xiàn)了多種改進的方案，但均存在易陷入局部收斂的問題。本文提出一種基于懲罰機制的自適應交叉粒子群算法，有效克服局部收斂，并利用參數(shù)自適應解決單峰和多峰約束優(yōu)化問題。根據(jù)粒子群進化過程中種群多樣性模型，引入交叉操作，利用柯西不等式證明交叉粒子群算法通過保持種群多樣性克服早熟和局部收斂，從而得到全局最優(yōu)解。建立有限狀態(tài)組成的馬爾科夫鏈模型描述粒子群算法進化狀態(tài)轉換過程，有效控制粒子群算法收斂到全局最優(yōu)，形成了自適應交叉粒子群

5、算法?；诟倪MH策略和簡化P策略懲罰機制，優(yōu)化典型的Benchmark函數(shù)，分析實驗結果得到：根據(jù)問題本身單峰和多峰的不同特性，參數(shù)設置影響收斂速度和最優(yōu)解，因此本文提出參數(shù)自適應計算公式，有效提高粒子群算法求解單峰和多峰優(yōu)化問題的性能。 3.針對人工免疫算法中抗體抗原最優(yōu)閾值的求解困難，本文提出了匹配閾值預測模型，分析抗體抗原匹配規(guī)律，利用預測模型計算獲得最優(yōu)閾值，提高抗體檢測效率。針對抗體生成算法復雜度高、生成抗體檢測率低和

6、抗體集合龐大的問題，提出了基于多種群遺傳算法的抗體生成算法（MPTMA）。在形態(tài)學空間利用覆蓋原理分析抗體抗原匹配，有效降低抗體集合的冗余度，減小抗體規(guī)模，保持抗體的多樣性，提高抗體檢測率。從理論和仿真分別證明MPTMA提高了抗體檢測率、降低了抗體生成算法的時間復雜度。 4.將提出的基于閾值預測模型的MPTMA應用于入侵檢測系統(tǒng)，提出了信息預處理機制。利用最小信息熵離散化算法對網(wǎng)絡數(shù)據(jù)進行離散化處理，并結合PCA特征提取算法對數(shù)

7、據(jù)進行特征提取。結合基于否定選擇算法的快速匹配檢測器和基于克隆選擇算法的智能進化檢測器，利用基于克隆選擇算法的智能進化自學習得到的入侵特征更新前者的特征庫，實現(xiàn)快速匹配檢測器和基于克隆選擇算法的智能進化檢測器的協(xié)作，保證了混合檢測器的檢測實時性和準確性。仿真實驗證明基于預測模型的MPTMA生成檢測器提高了檢測率，與傳統(tǒng)的方法相比，在優(yōu)化結果、收斂速度和穩(wěn)定性上均有明顯提高；同時相對單獨使用上述兩種檢測器，混合檢測系統(tǒng)在實時性、檢測率和誤

8、測率等方面具備更好的性能。 本文的主要創(chuàng)新點： 1.針對遺傳算法求解多目標優(yōu)化存在早熟的問題，提出了基于協(xié)作協(xié)進化機制的MessyGA，構建全局適應度函數(shù)，利用輔助算子優(yōu)化，并結合混沌機制提高局部搜索能力。 2.針對粒子群算法易陷入局部收斂問題，提出基于懲罰機制的交叉粒子群算法，分析種群收斂規(guī)律提出自適應交叉概率模型，求解單峰和多峰優(yōu)化問題實現(xiàn)參數(shù)自適應，有效克服局部收斂，提高優(yōu)化性能。 3.提出匹配閾值