Resumen

Los detectores excesivos, la alta complejidad temporal y las lagunas son los principales problemas que los actuales algoritmos de selección negativa enfrentan y limitan en gran medida las aplicaciones prácticas de dichos algoritmos. En este documento se propone un algoritmo de selección negativa de valores reales basado en la selección clonal. En primer lugar, el algoritmo analiza la distribución espacial del conjunto propio y obtiene el conjunto de propios atípicos y varios grupos de clasificación. Luego, el algoritmo considera los centros de los grupos como antígenos, genera de forma aleatoria una población inicial de células inmunitarias dentro del rango calificado y ejecuta el algoritmo de selección clonal. Posteriormente, el algoritmo cambia el rango limitado para continuar la iteración hasta que la tasa de cobertura del espacio no propio cumpla con las expectativas. Después de que el algoritmo finaliza, se obtiene un conjunto de detectores maduros y un conjunto de propios de límite. Las principales contribuciones radican en (1) la

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Detectores excesivos; Alta complejidad temporal; Lagunas; Algoritmos de selección negativa; Algoritmo de selección clonal; Autoajuste
• Keywords:Excessive detectors; High time complexity; Loopholes; Negative selection algorithms; Clonal selection algorithm; Self set