基于人工免疫系統(tǒng)的智能融合算法研究及應(yīng)用.pdf

1、隨著信息化時代的發(fā)展，多源信息融合技術(shù)在諸多領(lǐng)域產(chǎn)生著日漸重要的影響。人工智能則是推動信息融合發(fā)展的重要技術(shù)手段，其中人工免疫系統(tǒng)算法是繼人工神經(jīng)網(wǎng)絡(luò)和遺傳算法之后的又一個智能研究熱點。本文主要研究基于人工免疫系統(tǒng)的智能融合算法。
　　 由于信息融合目前還缺乏系統(tǒng)性的基礎(chǔ)理論指導(dǎo)，為了探討普遍適用信息融合問題的求解模型，本文借鑒多目標(biāo)優(yōu)化的理論和方法，提出了多目標(biāo)融合理論及其統(tǒng)一的模型描述。通過確立相應(yīng)的優(yōu)化指標(biāo)，將信息融合問題

2、轉(zhuǎn)換為對滿足多個優(yōu)化指標(biāo)結(jié)果的融合過程。本文的研究工作緊密圍繞多目標(biāo)融合理論展開，分為理論方法和應(yīng)用研究兩部分。
　　 理論方法包括:1）人工免疫系統(tǒng)和ICSA研究。在詳細(xì)論述ICSA算法思想及克隆選擇算子的基礎(chǔ)上，實現(xiàn)了算法流程并證明了其收斂性，通過理論分析和仿真實驗對比說明免疫算法較進(jìn)化算法機制更具優(yōu)勢。2）基于免疫機制的RBF網(wǎng)絡(luò)設(shè)計。針對傳統(tǒng)RBF網(wǎng)絡(luò)學(xué)習(xí)策略存在的不足，提出基于免疫機制的三級RBF網(wǎng)絡(luò)學(xué)習(xí)方法:采用免疫

3、疫苗的機理在第一級得到網(wǎng)絡(luò)隱層節(jié)點數(shù)，從而自行構(gòu)建網(wǎng)絡(luò)，降低了第二級搜索空間的復(fù)雜度;第二級采用人工免疫算法多點搜索解空間，尋找全局最優(yōu)的隱層非線性參數(shù);第三級采用最小二乘法估計輸出層線性參數(shù)，降低了第二級設(shè)計空間的維數(shù)，提高了算法效率。通過Hermit多項式逼近實驗和應(yīng)用實例皆驗證了該方法訓(xùn)練得到的RBF網(wǎng)絡(luò)性能優(yōu)越。
　　 應(yīng)用研究包括:1）機車二系載荷融合調(diào)整方法研究。通過分析機車二系調(diào)簧問題的特點，引入多目標(biāo)融合理論，設(shè)

4、計了一種基于IDCMA的兩級機車二系載荷融合調(diào)整方法:將調(diào)簧問題的先驗知識作為免疫優(yōu)勢引入算法模型中，并針對調(diào)簧中優(yōu)化指標(biāo)的偏好設(shè)計了兩級結(jié)構(gòu)的免疫調(diào)簧算法。經(jīng)實車數(shù)據(jù)驗證，該算法較已有算法性能更優(yōu)。2）多傳感器信息融合的軌道衡稱重誤差補償研究。通過詳細(xì)分析軌道衡稱重誤差的來源，建立了軌道衡的稱重模型并提出了基于免疫RBF網(wǎng)絡(luò)的多傳感器信息融合軌道衡誤差補償方法。設(shè)計RBF網(wǎng)絡(luò)并通過免疫三級算法訓(xùn)練，實現(xiàn)了良好的軌道衡誤差補償效果，并通