免疫决策关键技术研究

《免疫决策关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、四川大学博士学位论文免疫决策关键技术研究姓名：陈光柱申请学位级别：博士专业：计算机应用技术指导教师：李志蜀20060320四j11大学埴f：学位论文2．补体激活算法。深入挖掘补体激活原理，提炼出了两种激活操作算子：分裂算子和结合算子；借鉴补体激活途径，提出了一种用于复杂函数优化求解的补体激活算法，在算法中通过选择算子、分裂算子、结合算子、亲和突变算子和记忆算子的作用，不断推动抗体的进化，求得全局最优解；对算法的收敛性和鲁棒性进行了分析；将补体激活算法与典型的克隆选择算法进行了对比实验。理论与实验结果显示了补体激活算法是收敛的，并且收敛速度比克隆选择算法更快，求得的最优解更好，鲁棒性更

2、高。3多目标免疫应答激活算法。通过同时借鉴免疫应答原理和补体激活原理，提出了多目标免疫应答激活算法(MORAA)，在算法中。Pareto算子、选择算予，克隆算子、分裂算子、结合算子和亲和突变算子能保证算法快速收敛到Pareto最优解；为了保证Pareto最优解的多样性，提出了一种计算复杂度较低的邻居排挤算法；对算法进行了收敛性分析；将MOIRAA与典型的多目标进化算法(SPEA)以及多目标克隆选择算法(MOCSA)进行了比较，实验结果显示了MOIRAA的收敛性和多样性比SPEA和MOCSA更好。4．多方多议题协商框架。首先，对协商模型和协商协议进行了深入地分析；然后将免疫网络与Q．学

3、习算法相结合，提出了用于协商策略学习的基于免疫网络的Q-学习算法，该算法同时结合了群体强化学习和独立强化学习的优点，并且学习空间远远少于群体强化学习的学习空间，学习速度更快。二、免疫决策关键技术在协同产品开发中的应用1．基于多目标免疫应答激活算法的自动化产品概念设计。首先提出多模糊集代数和定理以及模糊集比较定理；然后根据产品的功能与功能载体、功能载体与功能载体之间的相互关系，利用模糊集理论建立了产品概念设计的模糊多目标优化数学摸型；最后应用多目标免疫应答激活算法求出了可行方案集。为实现产品概念设计的自动化提供了一条新的思路。2．基于补体激活算法的多目标群决策。在分析融合权重的计算方法

4、的基础上提出了多目标决策方法；然后进一步探讨了群决策集结方法；应用补体激活算法分别求解多目标决策问题和群决策集结问题，得出了有效的结果。3．协同产品开发评价指标的协商。首先从技术性、经济性、社会性三个方面建立了带式输送机的传动方案设计的评价指标体系；然后调用基于免疫网络的Q·学习算法应用于协同产品开发中的评价指标的协商，并同时与独立的Q．学习婴型查兰堡主竺皇丝塞——算法进行了对比，显示了基于免疫网络的Q．学习算法能大大提高协商效率。4．基于免疫Agent的群体决策支持系统。提出了其体系结构，给出了决策过程和知识的表达方式；并以带式输送机传动方案的协同开发为例，讨论了各个组成部分的实现

5、过程。关键词：智能决策，人工免疫系统，免疫决策，协同产品开发，免疫Agent免疫算法四”f大学博t学位论文ResearchontheKeyTechnologyofImmuneDecisionMakingMajor-ComputerApplicationTechnologyPh．D．Candidate：ChenGuangzhuAdvisor．Prof．LiZhishuAbstractDecisionMaking(DM)isdefinedasthepurposiveactofchoosingonefrommultiplealternatives,suchasjudging，choosin

6、g，anddetermining．GeneralDecisionMakingtechniquesoftenplaysupportiverolesinengineeringfieldssuchasenergy,transportafion,manufacture，andsocietymanagement．Withthedevelopmentofcomputertechnologyandcomputationmethods，IntelligentDecisionMakingproblemsareputforwardininformationprocessing,industrycontr

7、ol，andsciencel'esearcl】betc．Thatis，howtheintelligentAgentcanmakedecisionautomaticallyorhelphumanmakingdecisiontocompletethemission．Recentyears，somenewkindsofDecisionMakingproblemsareproposed，whichhavecomplicatedtargetsanduncertain