基于协同进化遗传算法的入侵检测技术研究

基于协同进化遗传算法的入侵检测技术研究作者：沈宏杰学位授予单位：南昌大学相似文献(10条)1.学位论文周芳荣基于自适应协同进化遗传算法的RBF神经网络及其在专家系统中的应用2003该文首先提出了一种自适应协同进化遗传算法,协同进化遗传算法指的是以食物链关系、共生关系等为基础的生物进化理论为指导,用两个存在互逆关系的适应度评价机制的种群来对应生物界食物链中的捕食者与被捕食者的遗传算法.在该算法中,作者在定义了种群个体分布特性阈值的基础上设计了一种个体差异保持的选择操作,使得算法能够根据种群个体的分布特性在运行过程中自动地调节控制遗传操作的关键参数以改进算法的全局寻优性能.然后该文对RBF神经网络采用一种递阶编码方案进行染色体编码,使得网络的拓扑结构和结点连接权值能够同时得到自适应协同进化遗传算法的优化,从而显著地提高了其学习速度和学习精度.最后该文将基于协同进化遗传算法的RBF神经网络应用到地震预报专家系统的知识获取研究领域中去.RBF神经网络利用自身的较强的归纳学习能力来学习蕴涵在地震实例数据中的隐性知识,并将所学知识通过网络的拓扑结构和结点连接权值来表示,从而拓宽了专家系统的知识获取的途径,在一定程度上解决了知识获取这个制约专家系统的瓶颈问题,试验证明应用效果是较为理想的.2.期刊论文熊敏.刘玉树.XIONGMin.LIUYu-shu基于协同进化遗传算法的地域选取方法-计算机技术与发展2006,16(6)地域选取是基于GIS(GeographicInformationSystem)的辅助决策系统的关键技术之一,多目标选取是其中的难点.协同进化遗传算法是传统遗传算法的改进,考虑了种群之间的相互作用.文中将协同进化遗传算法应用到了多目标地域选取中,采用了实数的染色体编码方式,改进了选择和变异算子.并在指挥所配置实验中运用该方法成功地解决了问题.3.期刊论文张运凯.王方伟.张玉清.马建峰协同进化遗传算法及其应用-计算机工程2004,30(15)介绍了协同进化遗传算法及其实际应用,大量的实验数据表明,它的性能明显优于传统的遗传算法,而且对不同的协同进化方法进行了对比.由此本文提出用协同进化遗传算法来解决入侵响应问题,以提高响应的速度和效率,最后预测了协同进化遗传算法的发展方向和应用.4.学位论文孙红金基于自适应和协同进化的遗传算法及其在模糊神经控制中的应用2001遗传算法、神经网络和模糊逻辑控制是当前人工智能中的重要研究领域.由于它们的特性上具有许多共性和互补性,将遗传算法、神经网络与模糊计算相结合的研究已成为当前的研究热点之一.该文旨在探讨遗传算法与神经网络、模糊系统相结合以获得智能信息处理功能的途径,并将探讨这类混合系统在智能控制中的应用.5.期刊论文李碧.林土胜.LIBi.LINTu-sheng协同进化在遗传算法中的应用述评-计算机科学2009,36(4)生态系统中协同进化的含义是几个生存能力相关联的种群的同时进化,在遗传算法中应用协同进化的实质是改变了个体适应度的计算方法:经典遗传算法中个体的适应度由它的染色体所决定,协同进化中个体的适应度却是由个体在协同关系中的表现决定.根据个体之间的适应度关联方式的不同,协同进化在遗传算法中应用可以分为两种:竞争协同进化算法、合作协同进化算法.竞争协同进化算法中的个体适应度由个体在竞争中的表现决定;合作协同进化算法中的个体适应度决定于个体在合作中的表现.对这两种方法的实质以及主要思想进行了述评.6.会议论文程俊.顾幸生具有灾变效应的合作式协同进化遗传算法2006合作式协同进化算法是多个子种群通过适应度的关联而进化的新型算法，常常应用于那些多目标、规模大的优化问题。本文在合作式协同进化遗传算法的基础上，提出进一步模拟自然界中的灾变现象，在原先的算法中加入灾变算子，提高算法的性能，尤其是解决了重要的不成熟收敛问题。文中介绍了该算法的基本原理，用C++实现了该算法，并用2个经典的函数优化问题进行测试。仿真结果验证了算法的优良性能。7.期刊论文程俊.顾幸生.CHENGJun.GUXing-sheng灾变合作型协同进化遗传算法及其在JobShop调度中的应用-华东理工大学学报（自然科学版）2007,33(5)合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题.本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和JobShop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.8.学位论文周国亮基于协同进化的神经网络优化方法的研究与应用2008像天气预报一样，空气质量状况评价结果的发布，为广大民众增加了一个了解未来一段时间空气质量情况的渠道，通过这一渠道，市民可以了解空气质量状况，以便合理安排自己的工作和出行。此外，各企业可以根据空气质量状况，适当调整工厂生产，以此协助国家和地方环境保护部门采取削减、控制污染物排放量的措施，防止或减少污染事件的发生。决定空气质量状况的因素很多，根据我国空气污染特点和污染防治重点，目前计入空气污染的指标有空气中可吸入颗粒物、二氧化硫和氮氧化物，由于这三项指标与评价结果间并没有直接的线性关系，同时存在着明显的非线性特征，而神经网络恰好能够很好的应用于非线性问题，并具有较好的实验效果，因而在此使用神经网络模型来进行空气质量状况评价。人工神经网络是大量的神经元相互连接，通过模拟人的大脑处理信息的方式进行并行处理和非线性转换的复杂网络系统，具有很强的自适应、自组织、自学习能力。近年来，人工神经网络广泛应用于故障诊断、模式识别、水文预报等领域。神经网络尤其是BP神经网络具有逼近任意非线性映射的能力，将神经网络应用于非线性系统的建模与辨识，通过大量的数据训练获得网络的内在模式，进而用训练好的网络模型来进行评价。在实际应用中，神经网络也暴露出了一些自身固有的缺陷：权值的初始化是随机的，容易陷入局部极小，并且学习过程中隐含层节点数目和其它网络参数的选择要根据使用者的经验来确定，收敛时间过长等。而遗传算法具有良好的全局搜索能力，并且搜索不依赖于梯度信息，本文利用遗传算法的优势来弥补神经网络存在的一些固有缺陷，将两者进行结合来解决评价问题。本文致力于研究基于遗传算法的神经网络空气质量评定模型的构建及应用问题，目的是利用遗传算法对神经网络权系进行协同进化，以达到对神经网络的优化效果，避免神经网络的学习陷入局部极小，提高模型的评价精度。主要工作为：1.通过分析影响空气质量状况的多种因素，找出决定空气质量状况的主要因素，建立了空气质量状况评定模型的评定指标体系，为下一步进行空气质量状况的评定打下了坚实的基础。2.构建了基于BP神经网络的空气质量状况评价模型，并使用matlab软件予以实现。将BP神经网络作为一种输入/输出的高度非线性映射，构建空气质量状况评价模型，通过网络的多次训练，抽取输入与输出之间内在的非线性映射关系，进而建立BP网络模型，并将训练好的模型用于检验数据。3.使用遗传算法对神经网络进行协同进化，构建基于遗传算法的神经网络空气质量状况评价模型。针对BP·神经网络固有的缺陷，仅仅靠本身的改进难以从根本上解决问题并容易陷入局部最优，遗传算法的引入就显得尤为必要，遗传算法的全局搜索功能恰能弥补BP神经网络的不足。9.期刊论文王攀.冯珊.魏崴协同进化遗传算法中的模块化机制研究-武汉理工大学学报(信息与管理工程版)2003,25(6)针对在协同进化遗传算法中有重要意义的模块化方法,从生态学与生理学、计算学习理论角度讨论了其基础及特征;同时分析了协同进化遗传算法中的任务分解问题,强调并例证了合理的任务分解是成功应用协同进化方法的一个关键.10.学位论文刘国兴基于协同进化的多目标优化算法研究2008多目标优化问题一直是决策科学中的难点和热点问题，在遗传算法被应用于多目标优化问题以前，已经产生了许多传统的经典方法，这些传统方法在解决多目标优化问题时存在许多问题。遗传算法具有处理大问题空间的能力，并可以得到多个最优解，对问题的先验知识没有要求，这些是传统算法所不具备的。然而，遗传算法解决问题时，未成熟收敛和收敛速度慢一直是不可调和的矛盾，因此在解决高维数，多模态等复杂多目标优化问题时存在不足。协同进化算法是20世纪90年代兴起的一种进化算法，能够很好的解决未成熟收敛和收敛速度慢的矛盾，因此应用协同进化算法解决多目标优化问题，是这一领域发展的趋势。本文在广泛深入地查阅文献的基础上，对协同进化和多目标优化问题进行了深入的研究和分析，主要内容如下：对多目标优化问题进行了简单的回顾，并简单介绍了传统解决多目标优化问题的方法，同时指出了这些传统方法存在的问题，简单回顾了遗传算法的产生与发展，并对遗传算法的基础知识和理论进行了详细介绍。评述了传统遗传算法解决多目标优化问题的方法，对这些算法作了简单的评价和比较，并提出这些传统遗传算法对其他算法的启示。分析了协同进化算法的产生与发展，及合作型和竞争型协同进化算法的思想。给出了合作型和竞争型两种协同进化算法解决多目标优化问题，并且根据算法运行过程中出现的问题，提出了相应的改进策略。使用两种协同进化算法和MOGA算法，对6个测试函数进行了测试，并从两个指标上对算法性能进行了比较，实验结果表明，协同进化算法较传统的遗传算法有更好的搜索能力。本文链接：授权使用：山东师范大学(shandsfdx)，授权号：14652d46-9eb4-4bda-a893-9dec009b0bc8下载时间：2010年9月9日