| 【中文题名】 | 遗传算法的改进与收敛性分析及其在网络安全中的应用 |
| 【英文题名】 | The Improvement of Genetic Algorithms and Its Convergence Analysis and the Applicationins Network Security |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-15 |
| 【中关键词】 | 遗传算法,有限时齐遍历Markov链,收敛,入侵检测,代理多代理,免疫原理 |
| 【英关键词】 | genetic algorithms （GA）,Ergodic homogeneous Markov Chain,Global convergence,intrusion detection,agent/multi-agent,immune principle,greedy algorithms,reliability, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 遗传算法是一种模拟自然界生物进化的搜索算法，由于它简单易行、鲁棒性强，尤其是不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程，从而使它的应用范围极为广泛，并且已在众多领域得到了实际应用，取得了令人瞩目的成果，引起了广大学者和工程人员的关注。遗传算法是一种新兴的技术，正处于发展期。虽然在应用领域获得了丰收，但其理论基础还较薄弱，有许多地方需要研究和发展充实。
本文在对现有遗传算法发展现状进行研究和分析的基础上，提出了一种改进的遗传算法，把贪婪算法的思想引入到遗传算法中，同时对改进的遗传算法与经典遗传算法及贪婪算法进行比较，得出改进遗传算法具有优良的优化特性，同时在论文中对经典遗传算法的收敛问题予以详细说明，并对改进遗传算法同经典算法进行收敛性比较，证明该改进遗传算法的搜索过程是一个有限时齐次遍历Markov链，同时利用Markov链理论对两种算法进行分析，给出经典遗传算法及改进遗传算法收敛性的完整性证明，得出改进遗传算法以1的概率收敛到全局最优解，解决经典遗传算法收敛性的问题。
同时将改进遗传算法应用到网络安全领域入侵检测系统的优化中，根据现有入侵检测系统的发展现状提出一... |
| 【论文题纲】 |
|
中文摘要 |
4-5 |
|
ABSTRACT |
5-6 |
|
目录 |
6-8 |
|
表目录 |
8-9 |
|
图目录 |
9-10 |
|
第一章 概述 |
10-17 |
|
1.1 遗传算法的生物学基础 |
10-12 |
|
1.1.1 遗传与变异 |
10-11 |
|
1.1.2 进化 |
11 |
|
1.1.3 遗传与进化的系统观 |
11-12 |
|
1.2 遗传算法简介 |
12-13 |
|
1.2.1 遗传算法概述 |
12 |
|
1.2.2 遗传算法的算法描述 |
12-13 |
|
1.3 遗传算法的特点 |
13 |
|
1.4 遗传算法的研究进展 |
13-17 |
|
第二章 遗传算法的改进 |
17-26 |
|
2.1 标准遗传算法描述 |
17-19 |
|
2.1.1 基本遗传算法的构成要素 |
17-18 |
|
2.1.2 基本遗传算法描述 |
18-19 |
|
2.2 遗传算法的模式定理 |
19-21 |
|
2.3 改进遗传算法 |
21-23 |
|
2.3.1 改进遗传算法的描述 |
21-22 |
|
2.3.2 改进遗传算法改进过程的分析 |
22-23 |
|
2.4 改进遗传算法的性能优势实例比较分析 |
23-26 |
|
第三章 改进遗传算法收敛性分析 |
26-29 |
|
3.1 马尔可柯夫链 |
26 |
|
3.2 经典遗传算法及改进遗传算法的收敛性分析与证明 |
26-28 |
|
3.3 改进遗传算法收敛性的作用 |
28-29 |
|
第四章 基于多代理的入侵检测系统设计 |
29-46 |
|
4.1 入侵检测概论 |
29-33 |
|
4.1.1 入侵检测产生的必要性 |
29-30 |
|
4.1.2 入侵检测的发展 |
30-32 |
|
4.1.3 入侵检测系统(IDS)中的相关概念 |
32-33 |
|
4.2 智能主体(Agent)技术概论 |
33-35 |
|
4.2.1 Agent发展简史 |
33-34 |
|
4.2.2 Agent基本模型 |
34 |
|
4.2.3 Agent的分类 |
34-35 |
|
4.2.4 基于Agent的系统 |
35 |
|
4.3 基于多Agent的分布式入侵检测系统模型的研究 |
35-39 |
|
4.3.1 基于多Agent的分布式入侵检测系统模型 |
36-39 |
|
4.4 基于免疫原理的入侵检测代理模块的设计与分析 |
39-42 |
|
4.4.1 免疫的原理 |
39-41 |
|
4.4.2 人工免疫系统的概念 |
41 |
|
4.4.3 基于免疫原理的入侵检测代理模块的设计 |
41-42 |
|
4.5 基于异常和误用的入侵检测代理模块的设计与分析 |
42-45 |
|
4.5.1 异常检测原理及特性 |
42-43 |
|
4.5.2 误用检测原理及特性 |
43-44 |
|
4.5.3 两种检测原理分析比较 |
44 |
|
4.5.4 基于异常和误用的入侵检测代理模块的设计 |
44-45 |
|
4.6 本章小节 |
45-46 |
|
第五章 改进遗传算法在多代理入侵检测可靠性优化中的应用 |
46-50 |
|
5.1 多代理分布式入侵检测系统的数学模型描述 |
46-48 |
|
5.1.1 多代理过程优化问题的提出 |
46 |
|
5.1.2 多代理过程优化符号约定 |
46-47 |
|
5.1.3 多代理过程优化问题的分析 |
47 |
|
5.1.4 多代理过程优化基本假设 |
47 |
|
5.1.5 多代理过程优化模型建立 |
47-48 |
|
5.2 改进遗传算法在入侵检测多代理过程优化中的应用及结果分析 |
48-50 |
|
结束语 |
50-51 |
|
致谢 |
51-52 |
|
参考文献 |
52-55 |
|
作者在学期间取得的学术成果 |
55 |
|
| 【DOI】 | LunWen.ID:2.2008.388490 |
