Resumen

Basándose en el análisis del comportamiento parasitario bacteriano y el mecanismo inmunitario biológico, este artículo presenta la idea básica y el método de implementación de un mecanismo inmunitario parasitario probabilístico dinámico adaptativo incrustado en un algoritmo de optimización de enjambre de partículas y construye una optimización de enjambre de partículas basada en un algoritmo de mecanismo inmunitario parasitario probabilístico dinámico adaptativo. La idea específica es utilizar el mecanismo de aprendizaje de élite para el grupo parasitario con una fuerte capacidad parasitaria para mejorar la capacidad del algoritmo para saltar fuera del valor extremo local, y el anfitrión generará inmunidad adquirida contra el comportamiento parasitario del grupo parasitario para mejorar la diversidad de las partículas de la población anfitriona. El comportamiento parasitario se produce cuando el número de veces alcanza un álgebra predeterminada. En este artículo, se realiza una simulación de ejemplo para la preprogramación y la programación dinámica de la inspección inmunitaria. Se verifica la eficacia de la preprogramación para la inspección inmune, y se prueban las reglas construidas por el algoritmo de enjambre de partículas de probabilidad dinámica adaptativa y siete reglas de programación de uso común en dos eventos dinámicos comunes de inserción de tareas de emergencia y fallo del equipo de inspección inmune subdistribuido. A continuación, se analizan los datos experimentales. A partir del análisis de los resultados experimentales, bajo el indicador de tiempo mínimo de finalización, el rendimiento global del algoritmo de optimización de enjambre de partículas de probabilidad dinámica adaptativa en 20 instancias de inserción de tarea de emergencia y 20 instancias de fallo de equipo de inspección inmune subdistribuido es mejor que el de siete reglas de programación. Por lo tanto, en los dos eventos dinámicos de inserción de tarea de emergencia y fallo de equipo de inspección inmune subdistribuido, el algoritmo de enjambre de partículas probabilístico dinámico adaptativo propuesto en este trabajo puede construir reglas de programación efectivas para la reprogramación del sistema cuando ocurren eventos dinámicos y la programación construida. El rendimiento de las reglas es mejor que el de las reglas de programación utilizadas habitualmente. Entre las reglas de programación habituales, el rendimiento de las reglas de programación FIFO también es mejor. En general, el sistema multiagente de programación de inspección inmune de este artículo puede completar la preprogramación de la inspección inmune y procesar eventos dinámicos del proceso de inspección y realizar la programación preactiva del proceso de inspección inmune.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:reglas de programación, fallo del equipo de inspección inmune subdistribuido, inserción de tareas de emergencia, eventos dinámicos, inspección inmune, papel, grupo parasitario, mecanismo inmune parasitario probabilístico dinámico adaptativo, algoritmo de mecanismo inmune parasitario probabilístico dinámico adaptativo, algoritmo de enjambre de partículas probabilístico dinámico adaptativo
• Keywords:scheduling rules, subdistributed immune inspection equipment failure, emergency task insertion, dynamic events, immune inspection, paper, parasitic group, adaptive dynamic probabilistic parasitic immune mechanism, adaptive dynamic probabilistic parasitic immune mechanism algorithm, adaptive dynamic probabilistic particle swarm algorithm