این مقاله در قالب ورد و قابل ویرایش می باشد.
چکیده
الگوریتمهای سیستم ایمنی مصنوعی در گروه الگوریتمهای بهینه سازی اتفاقی قرار دارند که در آنها از قوانین موجود در سیستم ایمنی بیولوژیکی بمنظور بهینه سازی استفاده میشود. این الگوریتمها در مسائل بهینهسازی که بیش از یک بهینه مورد نظر است نسبت به الگوریتمهای ژنتیک کارایی بیشتری از خود نشان میدهند. به دلیل اینکه هیچ اطلاع قبلی از پاسخ بهینه سراسری وجود ندارد، الگوریتمهای سیستم ایمنی مصنوعی در تعیین مناسب نرخ ابر جهش دچار مشکل هستند که از اشکالات عمده این الگوریتمها میتوان به همگرایی کند به بهینه سراسری و عدم پایداری در اجراهای مختلف اشاره نمود. هدف از ارائه این مدل، محلی کردن ارتباط بین آنتی بادیها و استفاده از دانش خبره به منظور تعیین کارای پارامترهای اساسی این الگوریتم بر اساس ارزیابی محلی میباشد که علاوه بر سرعت بخشیدن به محاسبات میتواند باعث بهبود کیفیت نتایج بدست آمده گردد. در این مدل با کمک توابع تعلق فازی و در نظر گرفتن خاصیت محلی برای آنتیبادیها با استفاده از اتوماتای سلولی، نرخ ابر جهش بصورت کارا تعیین میشود. برای اعتبار سنجی راهکار پیشنهادی شبیه سازیهایی صورت گرفته است که نتایج آنها نشان میدهد راهکار پیشنهادی پاسخ های به مراتب بهتری نسبت به الگوریتم استاندارد سیستم ایمنی مصنوعی نتیجه می دهد.
مقاله مدل ترکیبی مبتنی بر سیستم ایمنی مصنوعی و اتوماتای سلولی فازی (FCA-AIS)