克隆选择算法研究和实现.docVIP

克隆选择算法研究和实现摘要:基于人工免疫系统的原理,提出了一种克隆选择算法。该算法引入了克隆选择、受体编辑、抗体循环补充机制等思想,并通过整合克隆选择过程中亲和度的成熟,可在搜索过程中自动获取与积累相关联搜索空间的知识,在有限资源的条件下高效的求得问题的解 Abstract: Based on the principle of artificial immune system, a clonal selection algorithm. The algorithm introduces clonal selection, receptor editing, additional mechanisms of antibody circulating ideas, and through the integration of the clonal selection process affinity maturation process can be automated in the search for the search space associated with the accumulation of knowledge, limited resources obtained under the conditions of the problem and efficient solution. 关键词:免疫原理 克隆选择 抗体循环补充 Key words: immune theory clonal selection antibodies circulating complement 一、引言 人工免疫系统是一个新兴的计算智能研究领域。近年来,人工免疫系统及其应用已逐渐成为了智能信息系统中的研究热点。生物免疫系统的免疫识别过程能在较短的时间内利用数量相对有限的抗体去识别近乎无限多的抗原,从信息处理的角度看,这是在资源受限条件下的一整套高效问题求解机制。克隆选择学说的基因重组、亲和度成熟、受体编辑等机制较好地从个体层次上阐述了这种高效问题求解能力的形成,因而成为多种人工免疫系统模型和算法的重要思想来源,免疫算法就是一种借鉴该系统特性而形成的启发式搜索算法.它具有保持种群分布多样性的特性,避免陷入局部最优解的优点 二、克隆选择原理 克隆选择是生物免疫系统理论的重要学说,其原理(如下图1所示)的基本思想是只有那些能够识别抗原的细胞才进行扩增,只有这些细胞才能被选择并保留下来,而那些不能识别抗原的细胞则不选择,也不进行扩增。骨髓中微小的“休眠”的B细胞每一个都载有一个不同的抗体类型。这些细胞载有对于抗原特异的受体,扩增分化成浆细胞和记忆细胞 免疫系统在成长的克隆中也是自适应的,同时也呈现了一种变异机制,在对抗体特异编码的基因中产生极高频率点变异。该机制(体细胞高频变异)与为改进抗原结合而进行的选择,共同导致细胞与抗原具有极高的亲和力匹配 根据免疫系统中的克隆选择学说的思想,该算法在抗体种群和抗体优秀决定基中进行克隆选择操作,全面的模拟了生物免疫系统克隆选择的过程,很好的保持了抗体种群的多样性 三、克隆选择算法 3.1 抗体/抗原匹配算法 要确定一个B细胞对象与提呈的抗原结合得有多好,在抗原上任何点开始匹配;匹配算法计算每一位,在抗原与抗体之间以互补的方式进行匹配,得出匹配值,再从匹配分值得到结合值,根据抗体的结合值的大小可以看出抗体和抗原是否结合的完美,并且可以判定出结合完美的抗体中哪些决定基起到了关键的作用 对于一个抗体结合一个抗原,结合必须是稳定的,也就是匹配分值在匹配发生之前必须超过一定的阈值。该设定阈值为抗体大小的一半。该方法是Hightower的匹配算法的修改,只是多种伪生物匹配的一种 抗体/抗原匹配算法的描述: (1)初始化抗体群,针对抗体与抗原的决定基逐位进行异或操作,若抗体和抗原相对应的决定基相同为0,不同为1,结果统记为c; (2)将抗体与抗原的决定基逐位进行异或操作结果的累积和记为(公式一); (3)对由两个或者更多个1组成的每一区域记录长度为l; (4)记抗体的结合度为(公式二); (5)定义阈值为 (6)抗体Ab 移位一位 3.2 克隆选择算法的实现 克隆选择算法的实质是在进化过程中,在每一代最优解的附近,根据亲和度的大小进行克隆,产生一个变异解的群体,从而扩大了搜索范围(即增加了抗体的多样性),有助于防止进化的早熟和搜索限于局部极小值,同时通过克隆选择来加快收敛速度。其基本思想为:随机生成N个抗体组成的抗体群,对这些抗体进行一些操作后,选出抗体中优秀的决定基片段,针对这些优秀的决定基片段进