生物免疫的启发与人工免疫的应用报告.pptVIP

生物免疫的启发与人工免疫的研究与应用 1、生物免疫机理简介 2、生物免疫带给我们的启发 采用GA算子的免疫算法目前尚无统一框架。从本质上讲免疫算法可以看作是对GA的改进。Endoh提出了基于两种记忆模式的免疫算法，数值实验表明它比遗传算法的求解效率大大提高。文献[28]提出了免疫规划算法，其核心在于构造一个包含免疫选择和接种疫苗两个步骤的免疫算子，算法可以有效抑制进化过程中出现的退化现象，其搜索性能有了很大的改善。 3、人工免疫及其研究现状 （2）免疫学习算法 免疫学习是系统内部的适应性变化，该变化使得系统此后执行同一问题范围内的相似任务时效率更高。这与AIS的免疫学习机理十分吻合。Farmer[13]首先对免疫系统的学习特性进行了探索性研究，指出其与Holland的分类器系统具有相似性。随后Hunt[29]基于免疫网络理论给出了一种有监督的机器学习算法。Ishida提出了一种基于PDP模型的AIS学习算法，并将其应用到故障诊断中。 3、人工免疫及其研究现状 （3）克隆选择算法 De Castro提出了一种克隆选择算法，核心是比例复制和比例变异算子，在解决诸如模式识别等复杂机器学习任务方面，该算法有显著能力。该算法成功应用到了二进制字符识别、多峰函数优化和组合优化中，取得了良好效果。与遗传算法相比，克隆选择算法在编码机制和评价函数的构造上基本一致，但搜索的策略和步骤有所不同；通过免疫记忆机制，该算法可以保存各个局部最优解，这对于多峰函数优化十分重要；Kim将克隆选择原理应用于网络病毒入侵监测中。 3、人工免疫及其研究现状 （4）阴性选择原理 D‘haeseleer给出了一种阴性选择算法，用于监测数据改变。其中抗体(问题解答)与抗原(问题)的匹配采用Forrest提出的部分匹配规则(参见下图)。该算法的优点是简便、易于实现；主要问题是计算复杂度呈指数级增长，难以处理复杂问题。Forrest随后给出了一种复杂度较低的高效检测器生成算法。阴性选择算法目前广泛应用于模式识别、病毒检测、网络入侵检测、异常检测等。该算法并没有直接利用自我信息，而是由自我集合通过阴性选择生成检测子集，具备了并行性、健壮性和分布式检测等特点。 R=4 010100111 010101001 110101100 111101010 3、人工免疫及其研究现状 （1）AIS成为许多国际期刊的重要议题 ? Evolution Computation， ? IEEE Transaction on Evolutionary Computation等，后者在2001年和2002年相继出版了AIS专辑。 （2）在国际会议方面 从1997年开始IEEE System, Men and Cybernetics国际会议每年组织专门的AIS研讨会。第一届人工免疫系统国际学术会议ICARIS(International Conference on Artificial Immune Systems)于2002年9月在英国Kent大学召开。以后每年一届。 3.3.3 国外的主要期刊和会议 3、人工免疫及其研究现状 3.3.4 国内外的应用研究 高级智能行为的免疫控制模拟 智能控制从控制器设计的复杂程度来分可以有四个层次，即最简单的鲁棒反馈控制、根据误差准则判据的控制器参数自适应、基于目标函数优化的自适应控制和目标函数也随条件变化而变化的全局优化自适应系统。与其相对应的，人工免疫网络系统也具有非常相似的四个层次：对应于鲁棒反馈控制过程是天然免疫防御系统；其次是Ｔ细胞激活Ｂ细胞并抵抗抗原；再次，是微噬菌体将抗原提供给Ｔ细胞，Ｔ细胞被激活响应；最后，微噬菌体也会针对某些抗原发生变化。这非常类似于目标函数可变的优化问题。 3、人工免疫及其研究现状 基于免疫网络的不确定性系统建模 针对不确定性系统的建模，一种直观的方法是采用基本模型和变化模型相结合的途径，其基本思想是通过离线建立静态模型来描述不确定性系统的平均特性，另一部分通过在线动态模型来表示，这一思想可以用免疫系统中抗体抗体的不变域和可变域来实现不确定性系统平均特性和可变特性的等效。首先，定义和学习一批可计算的模块，通常这些模块具备某一功能又具有在线自适应能力，如人工神经网络模型模块、模糊系统模型模块和其它可计算的模块来模拟免疫系统中的抗体，这些模块可以通过离线或在线学习先验知识而得到。目前，进化计算仍然是动态模型