基于小世界網(wǎng)絡(luò)模型和免疫克隆優(yōu)化的智能計(jì)算方法以及應(yīng)用.pdf

1、本論文從信息學(xué)科背景出發(fā)，結(jié)合多領(lǐng)域不同學(xué)科的相關(guān)內(nèi)容，研究復(fù)雜網(wǎng)絡(luò)中小世界網(wǎng)絡(luò)模型和免疫計(jì)算中克隆優(yōu)化算法的有機(jī)融合以及應(yīng)用。復(fù)雜網(wǎng)絡(luò)理論一方面是我們研究多種智能優(yōu)化算法的工具，另一方面其本身也是我們的研究對(duì)象。
　　在分析小世界網(wǎng)絡(luò)中信息傳遞動(dòng)力學(xué)的基礎(chǔ)之上，結(jié)合免疫計(jì)算，本論文構(gòu)造了二類算法模型：網(wǎng)絡(luò)特征算子免疫優(yōu)化模型和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)免疫優(yōu)化模型。以這二個(gè)模型為理論根基和指導(dǎo)，針對(duì)不同的問(wèn)題設(shè)計(jì)構(gòu)造了多種新的免疫小世界優(yōu)化算

2、法，主要工作可以概括如下：
　　1）以小世界網(wǎng)絡(luò)中信息的傳遞動(dòng)力學(xué)分析為基礎(chǔ)，提出了網(wǎng)絡(luò)特征算子免疫優(yōu)化模型（Immune Optimization Model of Network Feature，IOM-NF）和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)免疫優(yōu)化模型（Immune Optimization Model of Network Structure，IOM-NS）。IOM-NF模型著眼于網(wǎng)絡(luò)模型的屬性特點(diǎn)，通過(guò)構(gòu)造具有相關(guān)網(wǎng)絡(luò)特征的算子來(lái)設(shè)計(jì)新算

3、法。IOM-NS模型側(cè)重于考察網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，以群智能算法為研究對(duì)象，考慮作為種群結(jié)構(gòu)的復(fù)雜網(wǎng)絡(luò)拓?fù)淠Ｐ蛯?duì)算法性能的影響。這二類算法模型為本論文之后各章的具體工作奠定了堅(jiān)實(shí)的理論根基。
　　2）以IOM-NF模型為基礎(chǔ)，針對(duì)無(wú)約束優(yōu)化問(wèn)題、合取范式可滿足性問(wèn)題、和線性系統(tǒng)逼近問(wèn)題，分別提出了相應(yīng)的算法，取得了較滿意的結(jié)果。在無(wú)約束優(yōu)化問(wèn)題求解中，基于Kleinberg網(wǎng)絡(luò)搜索模型構(gòu)造了社會(huì)網(wǎng)絡(luò)搜索免疫優(yōu)化算法（SNSIA），通過(guò)對(duì)

4、三組實(shí)驗(yàn)28個(gè)基準(zhǔn)測(cè)試函數(shù)的仿真驗(yàn)證了算法的有效性。在合取范式可滿足性問(wèn)題的研究中，引入量子計(jì)算技術(shù)，結(jié)合生物物理學(xué)中的協(xié)同策略，設(shè)計(jì)了量子免疫協(xié)同小世界優(yōu)化算法（QICAS），有效的解決了SATLIB庫(kù)中“Uniform Random3-SAT”問(wèn)題集。在線性系統(tǒng)逼近問(wèn)題的處理中，引入社會(huì)科學(xué)計(jì)算中經(jīng)濟(jì)管理論中的和諧管理思想，構(gòu)造了和諧進(jìn)化免疫信息網(wǎng)絡(luò)優(yōu)化算法（HEIN），通過(guò)“和則”規(guī)則集與“諧則”規(guī)則集的有效結(jié)合，HEIN中種群多

5、樣性得到很好地保持，進(jìn)而對(duì)線性穩(wěn)定系統(tǒng)和線性非穩(wěn)定系統(tǒng)的逼近問(wèn)題取得很好的結(jié)果。
　　3）在IOM-NS模型下，以集群算法的典型代表粒子群算法（Particle Swarm Optimization，PSO）為研究對(duì)象，針對(duì)約束優(yōu)化問(wèn)題，提出了基于Newman-Watts小世界模型（NW小世界模型）的動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)免疫PSO算法（DNIPSO）。該算法中各粒子初始時(shí)位于一個(gè)k近鄰耦合網(wǎng)絡(luò)上，之后隨著粒子的不斷進(jìn)化，其種群結(jié)構(gòu)也依據(jù)N

6、W網(wǎng)絡(luò)結(jié)構(gòu)的演化規(guī)則而不斷演化，使得粒子種群結(jié)構(gòu)由規(guī)則網(wǎng)絡(luò)逐漸演化為NW小世界網(wǎng)絡(luò)。當(dāng)算法進(jìn)行到搜索后期，由于種群結(jié)構(gòu)演化的完成，粒子群體的種群結(jié)構(gòu)演化為全連通網(wǎng)絡(luò)，完成了算法中種群結(jié)構(gòu)的整個(gè)動(dòng)態(tài)演化過(guò)程。同時(shí)，在DNIPSO算法中，通過(guò)對(duì)每代最優(yōu)粒子pbest執(zhí)行免疫學(xué)習(xí)算子，實(shí)現(xiàn)了算法全局勘探與局部開發(fā)的有效結(jié)合。對(duì)10個(gè)約束函數(shù)的測(cè)試驗(yàn)證了該算法的有效性和魯棒性。
　　4）針對(duì)社會(huì)網(wǎng)絡(luò)聚類問(wèn)題，結(jié)合免疫M(jìn)emetic算法和社

7、會(huì)計(jì)算學(xué)中的強(qiáng)弱關(guān)聯(lián)屬性理論，提出了免疫M(jìn)emetic關(guān)聯(lián)學(xué)習(xí)算法（IMRLA），來(lái)挖掘社會(huì)網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)。這里我們將復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)本身作為研究的對(duì)象，通過(guò)設(shè)計(jì)相關(guān)免疫算法優(yōu)化模塊度函數(shù)，從而挖掘和理解社會(huì)網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)關(guān)系。通過(guò)對(duì)三個(gè)真實(shí)數(shù)據(jù)集社團(tuán)結(jié)構(gòu)的劃分實(shí)驗(yàn)，驗(yàn)證了所提算法的有效性。
　　5）針對(duì)圖像分割問(wèn)題，將免疫小世界優(yōu)化算法與閾值判斷法相結(jié)合，提出了針對(duì)圖像分割問(wèn)題的免疫協(xié)同小世界優(yōu)化算法（ICSO-IS）。該算法引入針