Resumen

Este trabajo propone una red inmune artificial basada en el modelo de la nube (AINet-CM) para problemas de optimización de funciones complejas. Tres operadores inmunitarios clave -clonación, mutación y supresión- se rediseñan con la ayuda del modelo de nube. En concreto, se utiliza un operador de clonación basado en una nube creciente para ajustar los multiplicadores dinámicos de los anticuerpos, un operador de mutación asimétrico basado en una nube para controlar la evolución adaptativa de los anticuerpos y un supresor basado en una nube de similitud normal para mantener la diversidad de la población de anticuerpos. Para acelerar la convergencia de la búsqueda, se adopta una estrategia de longitud de paso de búsqueda dinámica. Para el estudio comparativo, se realizan una serie de simulaciones numéricas entre AINet-CM y los otros tres sistemas inmunes artificiales, es decir, opt-aiNet, IA-AIS y AAIS-2S. Además, se investigan dos aplicaciones industriales -diseño de filtros de respuesta al impulso finito (FIR) y ajuste de controladores proporcionales-integrales-diferenciales (PID)- y los resultados demuestran la capacidad de búsqueda potencial y el valor práctico del algoritmo AINet-CM propuesto.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:modelo de nube, estrategia de longitud de paso, operador inmunitario clave, operador de mutación basado, evolución del anticuerpo, multiplicador dinámico de clones, nube de similitud normal, problema de optimización de funciones, red inmunitaria artificial, sistema inmunitario artificial
• Keywords:cloud model, step length strategy, key immune operator, based mutation operator, evolution of antibody, dynamic clone multiplier, normal similarity cloud, function optimization problem, artificial immune network, artificial immune system