资源描述：
《1项目名称：计算智能方法及其理论研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、1.项目名称：计算智能方法及其理论研究2.候选单位（含排序）：北京大学信息科学技术学院3.候选人（含排序）：谭营4.项目简介（与申报推荐书中“项目简介”一致）：计算智能通过建模生物与自然智能实现对复杂问题的求解。本项目主要先从理论层次对计算智能方法:主要包括烟花算法、克隆粒子群优化算法和人工免疫算法，进行理论上的深入研究和证明；然后在此基础上对这些算法提出了大量的全新和改进算法，比如烟花算法和增强型烟花算法、进退克隆粒子群优化算法和基于阴性选择机制的人工免疫算法等；最后我们还将这些算法应用于垃圾邮件检测和计算机恶意程序识别等信息安全领域，从实践中验证这些算法的有效性。1.
2、理论研究受烟花爆炸现象启发，我们提出一种全新优化搜索算法——烟花算法，我们定义了烟花和火花两种对象来表征问题的解，定义了变异和交叉操作来更新解；此外我们还从理论上对演化算法的收敛性进行了证明。对于传统粒子群优化算法，我们通过将群体在过去某个时间范围的最好搜索结果克隆并以一定概率变异后加入群体，提出克隆粒子群优化算法。对于人工免疫算法，我们着重研究了免疫抗体浓度特征的构建和选择，提出了全局浓度和局部浓度特征；此外我们还提出了一种新的免疫学习机制以及基于免疫危险理论的多分类器集成策略和基于免疫危险区域原理的动态学习策略；通过定义抗原特异性和非特异性信号，并建立信号交互机制，提
3、出用于协同分类的免疫协同机制2.算法改进通过改进算法的各个算子，进一步提出了动态烟花算法、自适应烟花算法等，这些改进进一步提升了烟花算法在测试函数集的性能。对于克隆粒子群优化算法，我们通过提高搜索范围和解的多样性，提出了进退克隆粒子群优化算法，进一步提升了算法的鲁棒性。我们还对烟花算法和粒子群优化算法进行了基于GPU的并行实现，提高了算法的运行速度。对于人工免疫方法，通过兼顾免疫浓度的全局性与局部性特征，以及词汇利用机制，进一步提出了多尺度免疫浓度和词空间划分等特征构建方法。此外，通过改进传统阴性选择中简单清除匹配“自体”抗体的机制，引入“异体”匹配概率和惩罚因子，实现对
4、特征的有效利用；通过完善改进算法中惩罚因子的选取策略，进一步提升算法性能和降低时间复杂度。1.应用验证我们将这些计算智能方法应用于信息安全领域的垃圾邮件检测和计算机恶意程序检测与分类问题，利用各种改进的特征构建与选择的人工免疫算法构建检测和分类模型，然后使用烟花算法和粒子群优化算法对模型的参数进行优化，实验结果表明，这些方法以及我们的各种改进策略对信息安全领域相关问题的解决是非常有效的。本项目共发表学术论文60余篇，8篇代表性论文SCI他引133次，GoogleScholar引用795次，包括发表于神经网络、进化计算、数据挖掘、信息安全领域国际顶级期刊IEEETRANSA
5、CTIONSONNEURALNETWORKS、IEEETRANSACTIONSONEVOLUTIONARYCOMPUTATION、IEEETRANSACTIONSONKNOWLEDGEANDDATAENGINEERING、IEEETRANSACTIONSONINFORMATIONFORENSICSANDSECURITY论文各1篇；此外，出版译著2部，获国家发明专利授权3项、软件著作权1项。研究成果从理论和实际应用两个角度促进了计算智能领域的发展，具有广阔的应用前景和重要的科学意义。5.相关证明材料：代表性论文：1.YingTanandKeDing,"ASurveyonGP
6、U-basedImplementationofSwarmIntelligenceAlgorithms," IEEETransactionsonCybernetics, September2016,Vol.46,No.9,pp.2028-20412.WeiweiHuandYingTan,"PrototypeGenerationUsingMulti-ObjectiveParticleSwarmOptimizationforNearestNeighborClassification," IEEETransactionsonCybernetics, 2016,Vol.46,No.
7、12,pp.2719-2731.3.JunzhiLi,ShaoqiuZheng,andYingTan,"TheEffectofInformationUtilization:IntroducingaNovelGuidingSparkintheFireworksAlgorithm," IEEETransactionsonEvolutionaryComputation, July2016,Vol.pp,(OnlinePublication)4.Gai-geWangandYingTan,"ImprovingMetaheuristicA
