计算智能第7章 免疫算法.pptVIP

第7章 免疫算法 目录 7.1 免疫算法简介 7.1.1 思想来源 免疫算法最先起源于1973-1976年间Jernel的三篇关于免疫网络的文章，Jernel在文中提出了一组基于免疫独特型的微分方程，这就是最早的免疫系统。 免疫算法的主要会议: International Conference on Artificial Immune Systems，ICARIS 7.1.2 免疫算法的生物模型 7.1.3 二进制模型 7.2 免疫算法的基本流程 免疫系统和免疫算法的比较 7.2.1 基本流程 7.2.1 基本流程 免疫算法的七个要素 识别抗体，生成初始化的抗体，计算亲和度，记忆细胞分化，抗体促进和抑制，产生新的抗体，结束条件。 7.2.1 基本流程 计算亲和度 抗体v和抗原的亲和度为axv 其中optv表示抗体v和抗原的结合强度，对最优化问题，可以用抗体v的独特型的解和已知的最优解的相似程度表示。 7.2.2 更一般化的基本免疫算法 (1)求解多目标优化问题的免疫算法 把抗体v和抗原w的亲和度axv,w重新定义为 其中optv,w表示抗体v和抗原w的结合强度，即抗体v在目标函数w的解和此函数最优解的接近程度， 7.2.2 更一般化的基本免疫算法 (2) 求解更一般问题的免疫算法 7.2.2 更一般化的基本免疫算法 (2) 求解更一般问题的免疫算法 假设在形态空间内，抗体v和抗原的坐标分别为和，v=1,..,N，那么它们之间的距离为 Manhattan距离 Euclidean距离 Hamming距离 7.3 常用免疫算法 7.3.1 负选择算法 7.3.2 克隆选择算法 7.3.3 免疫算法与智能计算 7.3.1 负选择算法 算法基本思想：需要两个字符串组成的集合R和R，通过先求一个和S不匹配的R集合，然后用R集合判断S集合是否发生了变化。 算法分成两部分，第一步是初始化R，第二步监视保护数据S。 7.3.1 负选择算法 初始化监测器R 7.3.1 负选择算法 监视保护数据S 7.3.2 克隆选择算法 克隆选择原理图 7.3.2 克隆选择算法 克隆选择流程图 7.3.3 免疫算法与进化计算 免疫遗传算法 7.4 免疫算法的应用 识别与分类问题 优化问题 机器人学习与控制 数据挖掘 1994年，Forrest[12]根据免疫系统的自体-非自体识别原理，提出了负选择算法（Negative Selection Algorithm，NSA）。免疫系统能识别非自体依靠的是T细胞表面的受体，这些受体和所有的自体（身体的器官，组织和细胞）都是不相匹配的，如果接收器和某个蛋白质分子匹配，即可以认为它是非自体，并消灭之。 上图简单地勾画了克隆选择的原理，抗原的抗原决定基的表现型为{1110011}，在抗体中仅有2号和它完美匹配，7号是部分匹配，所以骨髓刺激2号抗体大量繁殖，7号抗体少量地繁殖，而其他的抗体则不再分裂，等待细胞的死亡。在这个原理的基础上，De Castro提出了克隆选择算法，他只关注抗体和抗原的亲和度对B细胞的复制的影响，而不考虑抗体之间的亲和度，所以我们后面讲述的克隆选择算法都不需要求抗体之间的亲和度。我们将给出其流程图。 Company Logo * * 免疫算法简介 1 基本流程 2 常用免疫算法 3 相关应用 4 免疫算法是什么？ 免疫算法（Immune Algorithm，IA）： 是指以在人工免疫系统的理论为基础， 实现了类似于生物免疫系统的抗原识别、细胞分化、 记忆和自我调节的功能的一类算法。 用遗传算子生成新的抗体 生命增加（细胞克隆） 消除多余的候选解 T细胞抑制抗体 维持最优解 淋巴细胞分化（记忆细胞分化） 联想过去的成功解 从记忆细胞产生抗体 问题识别 抗原识别 最佳解向量 抗体 要求解的问题 抗原 免疫算法 免疫系统 该图是人体免疫系统三个层次的示意图。第一层次是皮肤、粘膜等物理屏障，能够阻挡大部分的病原体。第二层是噬菌细胞，能吞噬病菌并把病菌肢解成小块送到淋巴结。到了第三层，由辅助T细胞（help T cell，白血球的一种）识别病菌，然后告诉人体的淋巴细胞这些入侵敌人的性质，后由淋巴B细胞和T细胞杀死病菌，然后留下B记忆细胞和T记忆细胞把这些病菌的片段（也就是抗原）记忆下来，继续监视病菌的下次入侵。我们免疫算法所求的问题可以看作是抗原，而所求的解则看作抗体。 下面我们继续研究怎么把免疫学的知识用于免疫算法，左图是一个抗体的缩略图，我们主要研究抗体决定基和抗原决定簇之间的关系2，右图是B淋巴细胞的模型，它将是免疫算法主要使用的模型。