第1章 绪论
1.1 人工免疫系统的研究概况
1.1.1 生物免疫系统
1.1.2 人工免疫系统
1.1.3 人工免疫算法
1.2 混合免疫智能算法研究概况
1.2.1 典型混合免疫智能计算模型
1.2.2 混合免疫智能算法应用研究进展
1.3 现有混合免疫智能算法存在的主要问题及解决途径
1.3.1 混合免疫智能算法理论研究的缺陷及解决思路
1.3.2 混合免疫智能算法应用研究的局限及拓展
1.4 背景与意义
1.5 内容安排
第2章 竞争合作型协同免疫进化算法
2.1 引言
2.2 竞争合作协同免疫进化模型
2.2.1 基于生态种群密度的种群竞争操作
2.2.2 群体协同合作操作
2.3 种群内部免疫优势克隆选择操作
2.3.1 抗体局部最优免疫优势算子
2.3.2 基于信息熵的种群多样性控制
2.3.3 种群内部抗体克隆选择操作
2.4 算法流程及其收敛性能分析
2.4.1 竞争合作型协同免疫进化算法步骤
2.4.2 收敛性分析
2.4.3 时间复杂度分析
2.5 实验仿真
2.5.1 三种不同形式ICA算法性能比较
2.5.2 CCCICA与其他免疫克隆选择算法的性能比较
2.5.3 CCCICA与其他智能算法的性能比较
2.6 本章小结
第3章 免疫双态粒子群算法
3.1 引言
3.2 粒子群算法优化原理
3.3 免疫双态粒子群算法
3.3.1 双态粒子群算法机理
3.3.2 精英粒子局部增强学习算子
3.3.3 粒子免疫优化
3.4 IBPSO算法流程及性能分析
3.4.1 算法IBPSO流程
3.4.2 算法性能及收敛性分析
3.5 仿真实验及分析
3.5.1 BPSO（双模态粒子群）比例参数
3.5.2 算法精度比较
3.5.3 t-test测试比较
3.5.4 高维函数实验
3.5.5 多模态函数及多样性实验
3.6 本章小结
第4章 免疫协同粒子群算法
4.1 引言
4.2 免疫协同粒子群进化算法
4.2.1 免疫协同粒子群进化模型
4.2.2 普通种群混合免疫网络粒子群算法
4.2.3 记忆库免疫进化
4.3 协作操作
4.3.1 个体极值小波学习
4.3.2 优势抗体迁移与共享
4.4 ICPSO算法流程
4.5 实验仿真及分析
4.5.1 算法精度比较
4.5.2 算法计算复杂度比较
4.5.3 算法t-test值比较
4.5.4 相关参数及其算子分析
4.5.5 动态性能测试
4.5.6 ICPSO与IBPSO的性能比较
4.6 本章小结
第5章 免疫蚁群自适应融合算法
5.1 引言
5.2 蚁群算法优化机理
5.3 基于统计学习的免疫融合蚁群算法（ACALA）
5.3.1 带混沌扰动算子启发式蚁群算法
5.3.2 MAX-MIN机制
5.3.3 免疫操作搜索算子
5.3.4 基于统计学习的自适应免疫蚁群融合算法
5.3.5 ACALA算法收敛性分析及实验仿真
5.4 免疫双态蚁群融合算法（BAIA）
5.4.1 双态蚁群机理
5.4.2 信息素的更新规则
5.4.3 BAIA算法流程
5.4.4 BAIA算法性能分析
5.4.5 BAIA算法测试实验及分析
5.5 本章小结
第6章 基于混合免疫智能算法的混沌系统自抗扰优化控制
6.1 引言
6.2 自抗扰控制
6.3 基于免疫双态粒子群算法的混沌系统自抗扰优化控制
6.3.1 非线性混沌系统
6.3.2 评价函数的选择
6.3.3 混沌系统自抗扰优化控制系统结构图
6.3.4 基于IBPSO算法的混沌系统ADRC优化控制算法流程
6.3.5 实验
6.4 基于IBPSO算法的混沌系统ADRC-CMAC并行优化控制
6.4.1 CMAC结构
6.4.2 ADRC与CMAC并行控制算法
6.4.3 基于IBPSO的ADRC-CMAC优化设计流程
6.4.4 实验
6.5 本章小结
第7章 基于混合免疫智能算法的永磁同步
电机系统多参数辨识与状态监测
7.1 引言
7.2 PMSM数学模型
7.3 基于免疫智能算法的永磁同步电机多参数辨识与温度监测模型
7.3.1 基于ICPSO的永磁同步电机多参数辨识思想
7.3.2 基于ICPSO的永磁同步电机多参数辨识与
温度监测模型
7.4 实验及分析
7.4.1 实验方案与平台
7.4.2 实验结果
7.5 本章小结
后记
参考文献
缺书网
扫码进群