在简要介绍了基于免疫原理的网络入侵检测系统的基础上,对检测元的生成机制和匹配算法进行了较为深入的探讨。建立了一个基于免疫原理和Agent技术的三层分布式网络入侵检测系统模型,并分析了该模型所具有的优良
为克服粒子群优化算法早熟收敛,提出一种基于子群变异的改进粒子群优化算法(SsMPSO)。该算法提出一种具有随机定向振荡式搜索的子群对主群的全局最优位置进行变异,改变了完全随机的变异方式,为算法提供局部
文件污染是对等网络中存在的普遍问题。借鉴对等网络和生物免疫系统的相似性,提出一种基于免疫学习的文件污染抑制方案。基于免疫思想,设计了一种改进的节点相似度计算方法和邻居节点选择方案,减少了计算量,提高了
由kent大学的博士开发的工具,用以粒子群分类,同时由于添加ACO算法,而不需对分类数据进行预处理,个人感觉很不错。
讨论了一类广义时变时滞递归神经网络的平衡点的存在性、唯一性和全局指数稳定性。这个神经网络模型包括时滞Hopfield神经网络,时滞Cellular神经网络,时滞Cohen-Grossberg神经网络作
对带速度项的PSO算法和不具速度项的动态概率PSO算法进行了随机递推分析,给出了保证收敛的算法的参数取值依据以及相关条件,并基于此提出了改进的动态概率PSO算法(RSPSO)。数值实验分析结果表明,改
针对于粒子群算法(PSO)易早熟、参数相关性强以及高维数据难以优化的问题。通过引入多点力学计算和理论建模推导,提出了一个新的粒子速度的计算方法。通过理论推导和实验证明对理论结果进行仿真和测试,对于常见
针对非线性互补问题求解的困难,利用粒子群算法并结合极大熵函数法给出了该类问题的一种新的有效算法。该算法首先利用极大熵函数将非线性互补问题转化为一个无约束最优化问题,将该函数作为粒子群算法的适应值函数;
通过对标准粒子群算法中惯性权重的分析,提出了一种惯性权重正弦调整的粒子群算法。运用差分方程对粒子速度变化过程和位置变化过程进行分析,得到了粒子群算法的收敛条件。通过对4个典型的函数的测试,实验结果表明
粒子群算法的惯性权重调整策略,李丽,薛冰,惯性权重是粒子群算法改进的一个重要出发点,通过调整惯性权重可以大大提高算法的性能。本文在简要介绍粒子群算法原理、流程的基