本書在全面總結國內外的混合免疫智慧型算法及其套用成果的基礎上，著重介紹作者在混合免疫智慧型算法理論及套用這一領域的研究成果，主要包括競爭合作性協同免疫進化算法模型設計、算法分析與實驗；免疫雙態粒子群計算模型構建、算法分析與實驗；免疫協同粒子群算法模型構建、算法分析與實驗；
免疫蟻群自適應融合算法設計及實驗分析；以及混合免疫智慧型算法在複雜工業控制系統中的套用研究，如基於混合免疫智慧型算法的混沌系統自抗擾最佳化控制和基於混合免疫智慧型算法的永磁同步電機多參數辨識與狀態監測等實際工業套用。本書為讀者提供了混合免疫智慧型集成計算模型構建、算法設計、理論分析、算法編程和工程實際套用等新方法、新技術、新思路。
基本介紹
- 書名：混合免疫智慧型算法理論及套用
- 出版社：電子工業出版社
- 頁數：193頁
- 開本：16
- 作者：劉朝華
- 出版日期：2014年1月1日
- 語種：簡體中文
- 品牌：電子工業出版社
內容簡介,圖書目錄,序言,
內容簡介
《混合免疫智慧型算法理論及套用》的內容是作者近年來在混合免疫智慧型算法理論及套用研究領域所取得科研成果的歸納與總結。全書深入挖掘生物免疫系統中蘊含的智慧型學習機制並結合其他智慧型處理方法的優點，研究了四類混合免疫智慧型算法理論方法及其相關套用。
圖書目錄
第1章 緒論
1.1 人工免疫系統的研究概況
1.1.1 生物免疫系統
1.1.2 人工免疫系統
1.1.3 人工免疫算法
1.2 混合免疫智慧型算法研究概況
1.2.1 典型混合免疫智慧型計算模型
1.2.2 混合免疫智慧型算法套用研究進展
1.3 現有混合免疫智慧型算法存在的主要問題及解決途徑
1.3.1 混合免疫智慧型算法理論研究的缺陷及解決思路
1.3.2 混合免疫智慧型算法套用研究的局限及拓展
1.4 背景與意義
1.5 內容安排
第2章 競爭合作型協同免疫進化算法
2.1 引言
2.2 競爭合作協同免疫進化模型
2.2.1 基於生態種群密度的種群競爭操作
2.2.2 群體協同合作操作
2.3 種群內部免疫優勢克隆選擇操作
2.3.1 抗體局部最優免疫優勢運算元
2.3.2 基於信息熵的種群多樣性控制
2.3.3 種群內部抗體克隆選擇操作
2.4 算法流程及其收斂性能分析
2.4.1 競爭合作型協同免疫進化算法步驟
2.4.2 收斂性分析
2.4.3 時間複雜度分析
2.5 實驗仿真
2.5.1 三種不同形式ICA算法性能比較
2.5.2 CCCICA與其他免疫克隆選擇算法的性能比較
2.5.3 CCCICA與其他智慧型算法的性能比較
2.6 本章小結
第3章 免疫雙態粒子群算法
3.1 引言
3.2 粒子群算法最佳化原理
3.3 免疫雙態粒子群算法
3.3.1 雙態粒子群算法機理
3.3.2 精英粒子局部增強學習運算元
3.3.3 粒子免疫最佳化
3.4 IBPSO算法流程及性能分析
3.4.1 算法IBPSO流程
3.4.2 算法性能及收斂性分析
3.5 仿真實驗及分析
3.5.1 BPSO（雙模態粒子群）比例參數
3.5.2 算法精度比較
3.5.3 t—test測試比較
3.5.4 高維函式實驗
3.5.5 多模態函式及多樣性實驗
3.6 本章小結
第4章 免疫協同粒子群算法
4.1 引言
4.2 免疫協同粒子群進化算法
4.2.1 免疫協同粒子群進化模型
4.2.2 普通種群混合免疫網路粒子群算法
4.2.3 記憶庫免疫進化
4.3 協作操作
4.3.1 個體極值小波學習
4.3.2 優勢抗體遷移與共享
4.4 ICPSO算法流程
4.5 實驗仿真及分析
4.5.1 算法精度比較
4.5.2 算法計算複雜度比較
4.5.3 算法t—test值比較
4.5.4 相關參數及其運算元分析
4.5.5 動態性能測試
4.5.6 ICPSO與IBPSO的性能比較
4.6 本章小結
第5章 免疫蟻群自適應融合算法
5.1 引言
5.2 蟻群算法最佳化機理
5.3 基於統計學習的免疫融合蟻群算法（ACALA）
5.3.1 帶混沌擾動運算元啟發式蟻群算法
5.3.2 MAX—MIN機制
5.3.3 免疫操作搜尋運算元
5.3.4 基於統計學習的自適應免疫蟻群融合算法
5.3.5 ACALA算法收斂性分析及實驗仿真
5.4 免疫雙態蟻群融合算法（BAIA）
5.4.1 雙態蟻群機理
5.4.2 信息素的更新規則
5.4.3 BAIA算法流程
5.4.4 BAIA算法性能分析
5.4.5 BAIA算法測試實驗及分析
5.5 本章小結
第6章 基於混合免疫智慧型算法的混沌系統自抗擾最佳化控制
6.1 引言
6.2 自抗擾控制
6.3 基於免疫雙態粒子群算法的混沌系統自抗擾最佳化控制
6.3.1 非線性混沌系統
6.3.2 評價函式的選擇
6.3.3 混沌系統自抗擾最佳化控制系統結構圖
6.3.4 基於IBPSO算法的混沌系統ADRC最佳化控制算法流程
6.3.5 實驗
6.4 基於IBPSO算法的混沌系統ADRC—CMAC並行最佳化控制
6.4.1 CMAC結構
6.4.2 ADRC與CMAC並行控制算法
6.4.3 基於IBPSO的ADRC—CMAC最佳化設計流程
6.4.4 實驗
6.5 本章小結
第7章 基於混合免疫智慧型算法的永磁同步
電機系統多參數辨識與狀態監測
7.1 引言
7.2 PMSM數學模型
7.3 基於免疫智慧型算法的永磁同步電機多參數辨識與溫度監測模型
7.3.1 基於ICPSO的永磁同步電機多參數辨識思想
7.3.2 基於ICPSO的永磁同步電機多參數辨識與
溫度監測模型
7.4 實驗及分析
7.4.1 實驗方案與平台
7.4.2 實驗結果
7.5 本章小結
後記
參考文獻
1.1 人工免疫系統的研究概況
1.1.1 生物免疫系統
1.1.2 人工免疫系統
1.1.3 人工免疫算法
1.2 混合免疫智慧型算法研究概況
1.2.1 典型混合免疫智慧型計算模型
1.2.2 混合免疫智慧型算法套用研究進展
1.3 現有混合免疫智慧型算法存在的主要問題及解決途徑
1.3.1 混合免疫智慧型算法理論研究的缺陷及解決思路
1.3.2 混合免疫智慧型算法套用研究的局限及拓展
1.4 背景與意義
1.5 內容安排
第2章 競爭合作型協同免疫進化算法
2.1 引言
2.2 競爭合作協同免疫進化模型
2.2.1 基於生態種群密度的種群競爭操作
2.2.2 群體協同合作操作
2.3 種群內部免疫優勢克隆選擇操作
2.3.1 抗體局部最優免疫優勢運算元
2.3.2 基於信息熵的種群多樣性控制
2.3.3 種群內部抗體克隆選擇操作
2.4 算法流程及其收斂性能分析
2.4.1 競爭合作型協同免疫進化算法步驟
2.4.2 收斂性分析
2.4.3 時間複雜度分析
2.5 實驗仿真
2.5.1 三種不同形式ICA算法性能比較
2.5.2 CCCICA與其他免疫克隆選擇算法的性能比較
2.5.3 CCCICA與其他智慧型算法的性能比較
2.6 本章小結
第3章 免疫雙態粒子群算法
3.1 引言
3.2 粒子群算法最佳化原理
3.3 免疫雙態粒子群算法
3.3.1 雙態粒子群算法機理
3.3.2 精英粒子局部增強學習運算元
3.3.3 粒子免疫最佳化
3.4 IBPSO算法流程及性能分析
3.4.1 算法IBPSO流程
3.4.2 算法性能及收斂性分析
3.5 仿真實驗及分析
3.5.1 BPSO（雙模態粒子群）比例參數
3.5.2 算法精度比較
3.5.3 t—test測試比較
3.5.4 高維函式實驗
3.5.5 多模態函式及多樣性實驗
3.6 本章小結
第4章 免疫協同粒子群算法
4.1 引言
4.2 免疫協同粒子群進化算法
4.2.1 免疫協同粒子群進化模型
4.2.2 普通種群混合免疫網路粒子群算法
4.2.3 記憶庫免疫進化
4.3 協作操作
4.3.1 個體極值小波學習
4.3.2 優勢抗體遷移與共享
4.4 ICPSO算法流程
4.5 實驗仿真及分析
4.5.1 算法精度比較
4.5.2 算法計算複雜度比較
4.5.3 算法t—test值比較
4.5.4 相關參數及其運算元分析
4.5.5 動態性能測試
4.5.6 ICPSO與IBPSO的性能比較
4.6 本章小結
第5章 免疫蟻群自適應融合算法
5.1 引言
5.2 蟻群算法最佳化機理
5.3 基於統計學習的免疫融合蟻群算法（ACALA）
5.3.1 帶混沌擾動運算元啟發式蟻群算法
5.3.2 MAX—MIN機制
5.3.3 免疫操作搜尋運算元
5.3.4 基於統計學習的自適應免疫蟻群融合算法
5.3.5 ACALA算法收斂性分析及實驗仿真
5.4 免疫雙態蟻群融合算法（BAIA）
5.4.1 雙態蟻群機理
5.4.2 信息素的更新規則
5.4.3 BAIA算法流程
5.4.4 BAIA算法性能分析
5.4.5 BAIA算法測試實驗及分析
5.5 本章小結
第6章 基於混合免疫智慧型算法的混沌系統自抗擾最佳化控制
6.1 引言
6.2 自抗擾控制
6.3 基於免疫雙態粒子群算法的混沌系統自抗擾最佳化控制
6.3.1 非線性混沌系統
6.3.2 評價函式的選擇
6.3.3 混沌系統自抗擾最佳化控制系統結構圖
6.3.4 基於IBPSO算法的混沌系統ADRC最佳化控制算法流程
6.3.5 實驗
6.4 基於IBPSO算法的混沌系統ADRC—CMAC並行最佳化控制
6.4.1 CMAC結構
6.4.2 ADRC與CMAC並行控制算法
6.4.3 基於IBPSO的ADRC—CMAC最佳化設計流程
6.4.4 實驗
6.5 本章小結
第7章 基於混合免疫智慧型算法的永磁同步
電機系統多參數辨識與狀態監測
7.1 引言
7.2 PMSM數學模型
7.3 基於免疫智慧型算法的永磁同步電機多參數辨識與溫度監測模型
7.3.1 基於ICPSO的永磁同步電機多參數辨識思想
7.3.2 基於ICPSO的永磁同步電機多參數辨識與
溫度監測模型
7.4 實驗及分析
7.4.1 實驗方案與平台
7.4.2 實驗結果
7.5 本章小結
後記
參考文獻
序言
前 言
在人類社會和自然界中存在許多有待人們去研究的奧秘，而人類的智慧型研究是最為重要的，生命現象的奧秘和生物的智慧型行為也一直被科學家們所關注。生物體是一個非常大的複雜系統，生物為了維持自身個體的非平衡耗散結構，獲得了基於自組織化構造信息處理系統的能力。同時，生物系統也可看成一個高級信息處理系統，基於生物系統啟發的信息處理方法能為科學與工程技術領域提供各種富有成效的智慧型技術。生物智慧型是在生物的遺傳、變異、生長以及外部環境的自然選擇中產生的。在用進廢退、優勝劣汰的進化過程中，適應度高的結構被保存下來，智慧型水平也隨之提高。基於生物進化、細胞免疫、神經網路、群體智慧型等某些生物機制可導向計算智慧型，其代表有神經網路、進化計算、群體智慧型、免疫計算、模擬退火以及模糊系統等。這些方法具有自學習、自組織、自適應的特徵和簡單、通用、魯棒性強、適合於並行處理的優點，一直是智慧型科學領域的研究熱點。智慧型計算在求解問題時不依賴於梯度信息，特別適用於傳統方法難以解決的大規模複雜非線性最佳化問題，因此已經被廣泛套用於諸多領域，如最佳化問題求解、複雜工業自動化、航空航天工程、機器人領域、電力系統領域、網路及通信領域、計算機領域、半導體製造領域和工程設計領域、系統辨識與故障診斷領域等。隨著工業生產過程朝著大型化、連續化、綜合化的方向迅速發展，生產過程變得越來越複雜，隨之而來的各類工程問題具有大規模、強非線性、大遲延、高變數維數、多求解目標、參數時變等特徵，這使得變數的存儲及工程最佳化問題的求解都相當困難。這些複雜工程最佳化問題因為涉及面廣、影響大而成為國民經濟及工業界中迫切需要解決的課題。
而複雜工業系統的建模、最佳化與控制又往往需要高性能的算法來輔助，但是現有依靠單一模式的進化方法往往難以滿足該方面的性能要求。混合算法的思想是利用各算法的優勢和各種智慧型算法內部策略來相互取長補短，從而產生更好的最佳化能力和求解效率。免疫系統是一種具有高度分布性的複雜自適應學習系統，免疫系統為了抵禦外來病原體的入侵維持機體自身耗散結構的平衡，保證生物體的生存與發展，蘊藏著強大的信息處理能力，如“自己-非己”識別能力、免疫細胞克隆擴增、免疫選擇、免疫網路、免疫細胞更新、免疫抗體多樣等機理，還結合了分類器、神經網路、機器推理等學習系統的優點，具有較好的模式識別功能，呈現出良好的分布性、多樣性、耐受性、記憶性、自適應性、魯棒性等特點。從工程套用角度來講，免疫系統將先天的經驗知識與後天的學習相結合，構造出一種基於知識的自適應動態系統。同時免疫系統經歷長時間的進化與其他生物智慧型系統有著一些共同特性，也容易吸收其他智慧型系統的優勢元素來不斷完善免疫系統自身的進化。借鑑免疫系統的機理並結合其他最佳化算法開展混合免疫智慧型理論與算法研究能為複雜系統問題的求解提供新的思路和有效的途徑。充分考慮多種智慧型方法之間的有機聯繫及其算法內在的差異性，通過不斷地汲取經典最優搜尋方法及現代智慧型啟發式算法的優點，各取所長，建立新模式的混合免疫智慧型計算理論與算法已是現代免疫計算智慧型與工程研究的發展方向。
本書的內容是作者近年來在混合免疫智慧型算法理論及套用研究領域所取得科研成果的歸納與總結。全書深入挖掘生物免疫系統中蘊含的智慧型學習機制並結合其他智慧型處理方法的優點，研究了四類混合免疫智慧型算法理論方法及其相關套用。希望通過本書，為讀者提供混合免疫智慧型算法模型構建、算法設計、理論分析、算法編程和實際套用等新方法與技術。全書共7章，第1章主要從生物免疫系統的起源闡述了人工免疫的發展，陳述了人工免疫系統中典型的免疫智慧型算法，接著綜述了現有的免疫混合算法及其套用研究現狀，並分析了現有混合免疫智慧型算法研究中存在的主要問題；同時就文中需要研究的套用問題闡述了混沌系統控制與永磁同步電機系統參數辨識研究概況。第2章至第5章著重於算法模型構建、相關運算元設計以及實驗分析。第6章、第7章則是基於混合免疫智慧型算法理論的實際套用研究。通過相應算法在組合最佳化、數值最佳化、多模態最佳化問題、高維問題、動態最佳化問題等經典複雜問題中的套用，驗證了算法的有效性，同時在混沌系統自抗擾最佳化控制問題、永磁同步電機系統多參數智慧型辨識與狀態監測問題實際套用研究中驗證了算法具有解決實際工程問題的優勢。
本書的研究成果得到了國家科技支撐計畫項目（2012BAH09B02）、國家自然科學基金項目（61174140，61203309，51374107）、中國博士後基金面上項目（2013M540628，一等資助）、高校博士點基金項目（20110161110035）等項目資助。作者的研究成果和本書的撰寫工作是在湖南大學章兢教授的悉心指導和幫助下完成的，在此謹致以最誠摯的感謝。感謝湖南大學張英傑副教授、吳建輝博士對本書研究工作的建議與幫助，感謝劉侃博士對本書研究工作所提供的建議與幫助，感謝湖南大學蔡立軍教授、鄧子云博士對本書工作的支持。感謝湖南科技大學信息與電氣工程學院周少武教授、吳亮紅博士等領導與同事對本書出版的支持與關心，感謝湖南科技大學學術著作出版基金的資助，感謝作者家人的默默支持與理解。正是這些支持為本書的形成奠定了堅實的基礎，在此對他們表示衷心的感謝。
由於人工智慧理論與套用正在蓬勃發展，該領域中很多理論技術方法還不完善，混合免疫智慧型算法與理論及其套用研究領域中還有許多科學與工程技術問題需要進一步深入研究和探索，完整的免疫計算智慧型理論體系還有待進一步完善。加之作者的學識水平與研究工作的範圍有限，書中存在不足之處，敬請專家與讀者批評指正。
劉朝華
2013年8月
在人類社會和自然界中存在許多有待人們去研究的奧秘，而人類的智慧型研究是最為重要的，生命現象的奧秘和生物的智慧型行為也一直被科學家們所關注。生物體是一個非常大的複雜系統，生物為了維持自身個體的非平衡耗散結構，獲得了基於自組織化構造信息處理系統的能力。同時，生物系統也可看成一個高級信息處理系統，基於生物系統啟發的信息處理方法能為科學與工程技術領域提供各種富有成效的智慧型技術。生物智慧型是在生物的遺傳、變異、生長以及外部環境的自然選擇中產生的。在用進廢退、優勝劣汰的進化過程中，適應度高的結構被保存下來，智慧型水平也隨之提高。基於生物進化、細胞免疫、神經網路、群體智慧型等某些生物機制可導向計算智慧型，其代表有神經網路、進化計算、群體智慧型、免疫計算、模擬退火以及模糊系統等。這些方法具有自學習、自組織、自適應的特徵和簡單、通用、魯棒性強、適合於並行處理的優點，一直是智慧型科學領域的研究熱點。智慧型計算在求解問題時不依賴於梯度信息，特別適用於傳統方法難以解決的大規模複雜非線性最佳化問題，因此已經被廣泛套用於諸多領域，如最佳化問題求解、複雜工業自動化、航空航天工程、機器人領域、電力系統領域、網路及通信領域、計算機領域、半導體製造領域和工程設計領域、系統辨識與故障診斷領域等。隨著工業生產過程朝著大型化、連續化、綜合化的方向迅速發展，生產過程變得越來越複雜，隨之而來的各類工程問題具有大規模、強非線性、大遲延、高變數維數、多求解目標、參數時變等特徵，這使得變數的存儲及工程最佳化問題的求解都相當困難。這些複雜工程最佳化問題因為涉及面廣、影響大而成為國民經濟及工業界中迫切需要解決的課題。
而複雜工業系統的建模、最佳化與控制又往往需要高性能的算法來輔助，但是現有依靠單一模式的進化方法往往難以滿足該方面的性能要求。混合算法的思想是利用各算法的優勢和各種智慧型算法內部策略來相互取長補短，從而產生更好的最佳化能力和求解效率。免疫系統是一種具有高度分布性的複雜自適應學習系統，免疫系統為了抵禦外來病原體的入侵維持機體自身耗散結構的平衡，保證生物體的生存與發展，蘊藏著強大的信息處理能力，如“自己-非己”識別能力、免疫細胞克隆擴增、免疫選擇、免疫網路、免疫細胞更新、免疫抗體多樣等機理，還結合了分類器、神經網路、機器推理等學習系統的優點，具有較好的模式識別功能，呈現出良好的分布性、多樣性、耐受性、記憶性、自適應性、魯棒性等特點。從工程套用角度來講，免疫系統將先天的經驗知識與後天的學習相結合，構造出一種基於知識的自適應動態系統。同時免疫系統經歷長時間的進化與其他生物智慧型系統有著一些共同特性，也容易吸收其他智慧型系統的優勢元素來不斷完善免疫系統自身的進化。借鑑免疫系統的機理並結合其他最佳化算法開展混合免疫智慧型理論與算法研究能為複雜系統問題的求解提供新的思路和有效的途徑。充分考慮多種智慧型方法之間的有機聯繫及其算法內在的差異性，通過不斷地汲取經典最優搜尋方法及現代智慧型啟發式算法的優點，各取所長，建立新模式的混合免疫智慧型計算理論與算法已是現代免疫計算智慧型與工程研究的發展方向。
本書的內容是作者近年來在混合免疫智慧型算法理論及套用研究領域所取得科研成果的歸納與總結。全書深入挖掘生物免疫系統中蘊含的智慧型學習機制並結合其他智慧型處理方法的優點，研究了四類混合免疫智慧型算法理論方法及其相關套用。希望通過本書，為讀者提供混合免疫智慧型算法模型構建、算法設計、理論分析、算法編程和實際套用等新方法與技術。全書共7章，第1章主要從生物免疫系統的起源闡述了人工免疫的發展，陳述了人工免疫系統中典型的免疫智慧型算法，接著綜述了現有的免疫混合算法及其套用研究現狀，並分析了現有混合免疫智慧型算法研究中存在的主要問題；同時就文中需要研究的套用問題闡述了混沌系統控制與永磁同步電機系統參數辨識研究概況。第2章至第5章著重於算法模型構建、相關運算元設計以及實驗分析。第6章、第7章則是基於混合免疫智慧型算法理論的實際套用研究。通過相應算法在組合最佳化、數值最佳化、多模態最佳化問題、高維問題、動態最佳化問題等經典複雜問題中的套用，驗證了算法的有效性，同時在混沌系統自抗擾最佳化控制問題、永磁同步電機系統多參數智慧型辨識與狀態監測問題實際套用研究中驗證了算法具有解決實際工程問題的優勢。
本書的研究成果得到了國家科技支撐計畫項目（2012BAH09B02）、國家自然科學基金項目（61174140，61203309，51374107）、中國博士後基金面上項目（2013M540628，一等資助）、高校博士點基金項目（20110161110035）等項目資助。作者的研究成果和本書的撰寫工作是在湖南大學章兢教授的悉心指導和幫助下完成的，在此謹致以最誠摯的感謝。感謝湖南大學張英傑副教授、吳建輝博士對本書研究工作的建議與幫助，感謝劉侃博士對本書研究工作所提供的建議與幫助，感謝湖南大學蔡立軍教授、鄧子云博士對本書工作的支持。感謝湖南科技大學信息與電氣工程學院周少武教授、吳亮紅博士等領導與同事對本書出版的支持與關心，感謝湖南科技大學學術著作出版基金的資助，感謝作者家人的默默支持與理解。正是這些支持為本書的形成奠定了堅實的基礎，在此對他們表示衷心的感謝。
由於人工智慧理論與套用正在蓬勃發展，該領域中很多理論技術方法還不完善，混合免疫智慧型算法與理論及其套用研究領域中還有許多科學與工程技術問題需要進一步深入研究和探索，完整的免疫計算智慧型理論體系還有待進一步完善。加之作者的學識水平與研究工作的範圍有限，書中存在不足之處，敬請專家與讀者批評指正。
劉朝華
2013年8月
