混合免疫智能算法理論及應(yīng)用

第1章  緒論
1.1  人工免疫系統(tǒng)的研究概況
1.1.1  生物免疫系統(tǒng)
1.1.2  人工免疫系統(tǒng)
1.1.3  人工免疫算法
1.2  混合免疫智能算法研究概況
1.2.1  典型混合免疫智能計(jì)算模型
1.2.2  混合免疫智能算法應(yīng)用研究進(jìn)展
1.3  現(xiàn)有混合免疫智能算法存在的主要問題及解決途徑
1.3.1  混合免疫智能算法理論研究的缺陷及解決思路
1.3.2  混合免疫智能算法應(yīng)用研究的局限及拓展
1.4  背景與意義
1.5  內(nèi)容安排
第2章  競(jìng)爭(zhēng)合作型協(xié)同免疫進(jìn)化算法
2.1  引言
2.2  競(jìng)爭(zhēng)合作協(xié)同免疫進(jìn)化模型
2.2.1  基于生態(tài)種群密度的種群競(jìng)爭(zhēng)操作
2.2.2  群體協(xié)同合作操作
2.3  種群內(nèi)部免疫優(yōu)勢(shì)克隆選擇操作
2.3.1  抗體局部最優(yōu)免疫優(yōu)勢(shì)算子
2.3.2  基于信息熵的種群多樣性控制
2.3.3  種群內(nèi)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(jìng)爭(zhēng)合作型協(xié)同免疫進(jìn)化算法步驟
2.4.2  收斂性分析
2.4.3  時(shí)間復(fù)雜度分析
2.5  實(shí)驗(yàn)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與其他智能算法的性能比較
2.6  本章小結(jié)
第3章  免疫雙態(tài)粒子群算法
3.1  引言
3.2  粒子群算法優(yōu)化原理
3.3  免疫雙態(tài)粒子群算法
3.3.1  雙態(tài)粒子群算法機(jī)理
3.3.2  精英粒子局部增強(qiáng)學(xué)習(xí)算子
3.3.3  粒子免疫優(yōu)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(shí)驗(yàn)及分析
3.5.1  BPSO（雙模態(tài)粒子群）比例參數(shù)
3.5.2  算法精度比較
3.5.3  t-test測(cè)試比較
3.5.4  高維函數(shù)實(shí)驗(yàn)
3.5.5  多模態(tài)函數(shù)及多樣性實(shí)驗(yàn)
3.6  本章小結(jié)
第4章  免疫協(xié)同粒子群算法
4.1  引言
4.2  免疫協(xié)同粒子群進(jìn)化算法
4.2.1  免疫協(xié)同粒子群進(jìn)化模型
4.2.2  普通種群混合免疫網(wǎng)絡(luò)粒子群算法
4.2.3  記憶庫免疫進(jìn)化
4.3  協(xié)作操作
4.3.1  個(gè)體極值小波學(xué)習(xí)
4.3.2  優(yōu)勢(shì)抗體遷移與共享
4.4  ICPSO算法流程
4.5  實(shí)驗(yàn)仿真及分析
4.5.1  算法精度比較
4.5.2  算法計(jì)算復(fù)雜度比較
4.5.3  算法t-test值比較
4.5.4  相關(guān)參數(shù)及其算子分析
4.5.5  動(dòng)態(tài)性能測(cè)試
4.5.6  ICPSO與IBPSO的性能比較
4.6  本章小結(jié)
第5章  免疫蟻群自適應(yīng)融合算法
5.1  引言
5.2  蟻群算法優(yōu)化機(jī)理
5.3  基于統(tǒng)計(jì)學(xué)習(xí)的免疫融合蟻群算法（ACALA）
5.3.1  帶混沌擾動(dòng)算子啟發(fā)式蟻群算法
5.3.2  MAX-MIN機(jī)制
5.3.3  免疫操作搜索算子
5.3.4  基于統(tǒng)計(jì)學(xué)習(xí)的自適應(yīng)免疫蟻群融合算法
5.3.5  ACALA算法收斂性分析及實(shí)驗(yàn)仿真
5.4  免疫雙態(tài)蟻群融合算法（BAIA）
5.4.1  雙態(tài)蟻群機(jī)理
5.4.2  信息素的更新規(guī)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(cè)試實(shí)驗(yàn)及分析
5.5  本章小結(jié)
第6章  基于混合免疫智能算法的混沌系統(tǒng)自抗擾優(yōu)化控制
6.1  引言
6.2  自抗擾控制
6.3  基于免疫雙態(tài)粒子群算法的混沌系統(tǒng)自抗擾優(yōu)化控制
6.3.1  非線性混沌系統(tǒng)
6.3.2  評(píng)價(jià)函數(shù)的選擇
6.3.3  混沌系統(tǒng)自抗擾優(yōu)化控制系統(tǒng)結(jié)構(gòu)圖
6.3.4  基于IBPSO算法的混沌系統(tǒng)ADRC優(yōu)化控制算法流程
6.3.5  實(shí)驗(yàn)
6.4  基于IBPSO算法的混沌系統(tǒng)ADRC-CMAC并行優(yōu)化控制
6.4.1  CMAC結(jié)構(gòu)
6.4.2  ADRC與CMAC并行控制算法
6.4.3  基于IBPSO的ADRC-CMAC優(yōu)化設(shè)計(jì)流程
6.4.4  實(shí)驗(yàn)
6.5  本章小結(jié)
第7章  基于混合免疫智能算法的永磁同步
電機(jī)系統(tǒng)多參數(shù)辨識(shí)與狀態(tài)監(jiān)測(cè)
7.1  引言
7.2  PMSM數(shù)學(xué)模型
7.3  基于免疫智能算法的永磁同步電機(jī)多參數(shù)辨識(shí)與溫度監(jiān)測(cè)模型
7.3.1  基于ICPSO的永磁同步電機(jī)多參數(shù)辨識(shí)思想
7.3.2  基于ICPSO的永磁同步電機(jī)多參數(shù)辨識(shí)與
溫度監(jiān)測(cè)模型
7.4  實(shí)驗(yàn)及分析
7.4.1  實(shí)驗(yàn)方案與平臺(tái)
7.4.2  實(shí)驗(yàn)結(jié)果
7.5  本章小結(jié)
后記
參考文獻(xiàn)