智能控制理论和方法（第二版）第8章人工免疫算法及其在智能控制中的应用.ppt

第8章 人工免疫算法及其在智能控制中的应用 　　　　　　　　8.1 引 言8.1.1 自然免疫系统的组成　　自然免疫系统是由分子、细胞、组织和器官组成的一个有机联合体。它是一个多层次的防御系统，主要有物理屏障层(皮肤、粘膜等)、生理屏障层(泪液、唾液、胃酸和汗液等)、先天免疫和适应性免疫系统。　　通常，免疫系统主要是由参与适应性免疫响应的器官、组织、细胞和免疫活性介质组成的。免疫系统的组成如表8.1所示[5]。 8.1.2 自然免疫系统的机理　　先天免疫系统为人类提供了第一道能抵抗和消灭入侵病原体的防卫。它主要包括皮肤、粘膜和屏障结构的屏障作用(外部的)以及某些具有杀菌和吞噬作用的免疫细胞(如粒细胞、单核巨噬细胞)等。　　在人类的生存环境中，某些病原体能突破人的先天免疫系统防线，在人体内生长繁殖，引起感染，此时机体会经历同某一种病原体(抗原)斗争(识别与杀灭)的过程。这一过程称为适应性免疫。参与适应性免疫的细胞有多种，主要有免疫细胞(T细胞、B细胞等)及它们相互作用后产生的特异性免疫效应物质(又称为淋巴免疫球蛋白)。抗体的一种主要形式是依附于B细胞表面的膜结合形态。抗体与细胞膜结合后形成的复合体也称B细胞受体(见图8.1)。抗体是Y形状的一种感受器分子，生在B细胞的表面，其主要作用是通过互补配合，识别抗原，并与抗原粘合。抗原被抗体所识别的部位叫表位，又称抗原决定簇。一个抗原可以与多个抗体相粘合(见图8.2)。抗原和抗体之间的匹配程度称为它们之间的亲和度。 图8.1 B细胞受体或者抗体的结构 图8.2 一个抗原和多个抗体粘合 　　在适应性免疫系统中，抗原一旦进入机体，抗原分子中的抗原表位就被T和B细胞识别，从而诱导产生免疫细胞活化、适应性地识别特异抗原、分化和响应过程。此一系列过程被称为免疫响应。过程中生产的免疫细胞具有记忆特性，当下一次再遇同一特异抗原时能产生更快的响应。免疫的响应过程如图8.3所示。 图8.3 免疫响应多阶段过程图示 8.2 人工免疫系统与基本免疫算法简介8.2.1 人工免疫系统定义　　人工免疫系统(AIS)的定义最早由H. Sidburg等人在1990年提出[4]。人工免疫系统有几种不同的定义。De Castro和Timmis概括了几种定义后，将AIS定义[4]为： “人工免疫系统是受理论免疫学和所观察到的免疫功能、原理和模型启发的自适应系统，被应用于复杂问题领域。” 这种人工免疫系统的定义，重点在于将自然免疫系统中所获取的现象作为隐喻，用于计算问题，属于生物学推动的计算。在某些文献中，也有把人工免疫系统叫做免疫学计算、计算免疫学或基于免疫的系统等。 8.2.2 基本的人工免疫算法　　基本的人工免疫算法是按照自然免疫系统对病原体的检测、识别、克隆选择、超变异、免疫记忆等原理进行设计的。算法一开始随机地初始化抗体群(相当于随机列出求解问题的候选解)。接着，辨识抗原，计算抗体群中抗体同抗原的亲和度。根据亲和度对抗体进行克隆选择，然后得到新的群体。由于新群体一般是亲和度高的抗体，它们被优先克隆，以继承上一代的优良特性，并记忆、存储。如此反复迭代，直至满足终止条件。基本的人工免疫算法的基本过程如图8.4所示。 图8.4 基本的人工免疫算法的流程 　　1. 计算亲和度　　基本的人工免疫算法中，亲和度表示抗体和抗原之间的相互作用程度，也反映了抗体适应环境的程度。一般简记为aff。aff表示为属性串之间距离d的函数，即aff＝f(d) ，即B细胞或者抗体和抗原之间匹配程度。结合具体的问题，函数关系f可选取不同的形式。也可直接简记为距离dis。距离越小，说明抗体越相似，且它们之间的相互抑制能力越强。　　对实值属性串，距离d可以表示为欧氏距离(式(8.1))、曼哈顿(Manhattan)距离(式(8.2))或海明距离(式(8.3))。　　欧氏距离 　　曼哈顿距离 　　和欧氏距离相比较，曼哈顿距离更有效，因为它没有指数和开平方运算。此外，两者对算法有效性的影响也不同。欧氏距离对各属性值之间的差异性更敏感，因此对噪声敏感。而曼哈顿距离对噪声具有鲁棒性。这可以由图8.5进行说明 [13]。图中抗原Ag(0,0)，抗体B1坐标为(4,4), 抗体B2坐标为(6,1)，欧氏距离d(B1,Ag)=5.66，d(B2,Ag)=6.08，而曼哈顿距离d(B1,Ag)=8，d(B2,Ag)=7。距离抗原Ag(0,0)最近的抗体，若按欧氏距离，则为B1；如按曼哈顿距离，则为B2。造成这种问题的原因是欧氏距离和曼哈顿距离的偏好不同。当属性值采用二进制的位表示时，常采用海明距离。整数属性值可视为海明距离的特殊情况。 图8.5 欧氏距离和曼哈顿距离比较 　　对于混合型属性串，如果