刘朝华编著的《混合免疫智能算法理论及应用》的内容是作者近年来在混合免疫智能算法理论及应用研究领域所取得科研成果的归纳与总结。全书深入挖掘生物免疫系统中蕴含的智能学习机制并结合其他智能处理方法的优点，研究了四类混合免疫智能算法理论方法及其相关应用。希望通过本书，为读者提供混合免疫智能算法模型构建、算法设计、理论分析、算法编程和实际应用等新方法与技术。全书共7章，第1章主要从生物免疫系统的起源阐述了人工免疫的发展，陈述了人工免疫系统中典型的免疫智能算法，接着综述了现有的免疫混合算法及其应用研究现状，并分析了现有混合免疫智能算法研究中存在的主要问题；同时就文中需要研究的应用问题阐述了混沌系统控制与永磁同步电机系统参数辨识研究概况。第2章至第5章着重于算法模型构建、相关算子设计以及实验分析。第6章、第7章则是基于混合免疫智能算法理论的实际应用研究。通过相应算法在组合优化、数值优化、多模态优化问题、高维问题、动态优化问题等经典复杂问题中的应用，验证了算法的有效性，同时在混沌系统自抗扰优化控制问题、永磁同步电机系统多参数智能辨识与状态监测问题实际应用研究中验证了算法具有解决实际工程问题的优势。

刘朝华编著的《混合免疫智能算法理论及应用》在全面总结国内外的混合免疫智能算法及其应用成果的基础上，着重介绍作者在混合免疫智能算法理论及应用这一领域的研究成果，主要包括竞争合作性协同免疫进化算法模型设计、算法分析与实验：免疫双态粒了群计算模型构建、算法分析与实验；免疫协同粒了群算法模型构建、算法分析与实验；免疫蚁群白适应融合算法设计及实验分析；混合免疫智能算法在复杂工业控制系统中的应用研究，如基于混合免疫智能算法的混沌系统自抗扰优化控制和基于混合免疫智能算法的永磁同步电机多参数辨识与状态监测等实际工业应用。本书为读者提供了混合免疫智能集成计算模型构建、算法设计、理论分析、算法编程和工程实际应用等新方法、新技术、新思路。

《混合免疫智能算法理论及应用》可供高等院校自动化、计算机科学、电子工程、智能科学与技术等专业博士研究生、硕士研究生和高年级本科生使用，也可供相关领域的工程技术与科学研究工作者参考。

第1章 绪论 1

1.1 人工免疫系统的研究概况 1

 1.1.1 生物免疫系统 2

 1.1.2 人工免疫系统 4

 1.1.3 人工免疫算法 6

1.2 混合免疫智能算法研究概况 11

 1.2.1 典型混合免疫智能计算模型 12

 1.2.2 混合免疫智能算法应用研究进展 19

1.3 现有混合免疫智能算法存在的主要问题及解决途径 24

 1.3.1 混合免疫智能算法理论研究的缺陷及解决思路 25

 1.3.2 混合免疫智能算法应用研究的局限及拓展 26

1.4 背景与意义 29

1.5 内容安排 30

第2章 竞争合作型协同免疫进化算法 32

2.1 引言 32

2.2 竞争合作协同免疫进化模型 34

 2.2.1 基于生态种群密度的种群竞争操作 35

 2.2.2 群体协同合作操作 36

2.3 种群内部免疫优势克隆选择操作 38

 2.3.1 抗体局部最优免疫优势算子 38

 2.3.2 基于信息熵的种群多样性控制 41

 2.3.3 种群内部抗体克隆选择操作 42

2.4 算法流程及其收敛性能分析 43

 2.4.1 竞争合作型协同免疫进化算法步骤 43

 2.4.2 收敛性分析 44

 2.4.3 时间复杂度分析 46

2.5 实验仿真 46

 2.5.1 三种不同形式ICA算法性能比较 48

 2.5.2 CCCICA与其他免疫克隆选择算法的性能比较 51

 2.5.3 CCCICA与其他智能算法的性能比较 53

2.6 本章小结 54

第3章 免疫双态粒子群算法 56

3.1 引言 56

3.2 粒子群算法优化原理 58

3.3 免疫双态粒子群算法 60

 3.3.1 双态粒子群算法机理 60

 3.3.2 精英粒子局部增强学习算子 63

 3.3.3 粒子免疫优化 63

3.4 IBPSO算法流程及性能分析 65

 3.4.1 算法IBPSO流程 65

 3.4.2 算法性能及收敛性分析 66

3.5 仿真实验及分析 68

 3.5.1 BPSO（双模态粒子群）比例参数 69

 3.5.2 算法精度比较 71

 3.5.3 t-test测试比较 74

 3.5.4 高维函数实验 75

 3.5.5 多模态函数及多样性实验 77

3.6 本章小结 80

第4章 免疫协同粒子群算法 81

4.1 引言 81

4.2 免疫协同粒子群进化算法 82

 4.2.1 免疫协同粒子群进化模型 82

 4.2.2 普通种群混合免疫网络粒子群算法 84

 4.2.3 记忆库免疫进化 86

4.3 协作操作 88

 4.3.1 个体极值小波学习 88

 4.3.2 优势抗体迁移与共享 91

4.4 ICPSO算法流程 91

4.5 实验仿真及分析 91

 4.5.1 算法精度比较 94

 4.5.2 算法计算复杂度比较 97

 4.5.3 算法t-test值比较 99

 4.5.4 相关参数及其算子分析 100

 4.5.5 动态性能测试 101

 4.5.6 ICPSO与IBPSO的性能比较 104

4.6 本章小结 105

第5章 免疫蚁群自适应融合算法 106

5.1 引言 106

5.2 蚁群算法优化机理 108

5.3 基于统计学习的免疫融合蚁群算法（ACALA） 109

 5.3.1 带混沌扰动算子启发式蚁群算法 109

 5.3.2 MAX-MIN机制 110

 5.3.3 免疫操作搜索算子 111

 5.3.4 基于统计学习的自适应免疫蚁群融合算法 114

 5.3.5 ACALA算法收敛性分析及实验仿真 115

5.4 免疫双态蚁群融合算法（BAIA） 122

 5.4.1 双态蚁群机理 122

 5.4.2 信息素的更新规则 124

 5.4.3 BAIA算法流程 124

 5.4.4 BAIA算法性能分析 125

 5.4.5 BAIA算法测试实验及分析 127

5.5 本章小结 130

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 131

6.1 引言 131

6.2 自抗扰控制 133

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 135

 6.3.1 非线性混沌系统 135

 6.3.2 评价函数的选择 135

 6.3.3 混沌系统自抗扰优化控制系统结构图 136

 6.3.4 基于IBPSO算法的混沌系统ADRC优化控制算法流程 136

 6.3.5 实验 137

6.4 基于IBPSO算法的混沌系统ADRC-CMAC并行优化控制 142

 6.4.1 CMAC结构 142

 6.4.2 ADRC与CMAC并行控制算法 143

 6.4.3 基于IBPSO的ADRC-CMAC优化设计流程 144

 6.4.4 实验 144

6.5 本章小结 150

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 151

7.1 引言 151

7.2 PMSM数学模型 153

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 155

 7.3.1 基于ICPSO的永磁同步电机多参数辨识思想 155

 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 157

7.4 实验及分析 160

 7.4.1 实验方案与平台 160

 7.4.2 实验结果 163

7.5 本章小结 173

后记 174

参考文献 177