智能系统控制人工免疫与免疫控制.ppt

人工免疫与免疫控制 免疫计算智能系统的应用 免疫算法 人工免疫网络模型 生物免疫机理 人工免疫系统概述 1 概 述 人工免疫系统的产生与发展 AIS的研究范畴及应用 免疫计算智能与其他智能技术的比较 1.1 人工免疫系统的产生与发展 生物信息系统可看成一个分布式自治系统，且能提供给科学和工程领域各种富有成效的技术和方法 由生物引发的信息处理系统可分为：脑神经系统（神经网络）、遗传系统（进化计算）和免疫系统（人工免疫系统（AIS）） 神经网络和进化计算已被广泛地应用于各个领域，而AIS由于其复杂性没有引起与神经网络和进化计算等计算领域同等的重视，直到近几年才引起国内外研究学者的兴趣 Dasgupta给出的定义：“人工免疫系统由生物免疫系统启发而来的智能策略所组成，主要用于信息处理和问题求解” Timmis给出的定义：“人工免疫系统是一种由理论生物学启发而来的计算范式，它借鉴了一些免疫系统的功能、原理和模型并用于复杂问题的解决” 人工免疫系统的定义 AIS的研究结果已涉及到 控制 故障诊断 模式识别 图像识别 优化设计 机器学习 联想记忆 知识发现 异常检测 计算机网络安全等许多领域 人工免疫系统的产生与发展 AIS已成为许多国际期刊的重要议题如，Evolutionary Computation，IEEE Transaction on Evolutionary Computation等，后者在2001年和2002年相继出版了AIS专辑 在国际会议方面，从1997年开始，IEEE System，Man and Cybernetic国际会议每年均组织专门的AIS研讨会 其它国际会议如GECCO（Genetic and Evolutionary Computation Conference），CEC（Congress on Evolutionary Computation）等也将AIS作为主题之一 第一届AIS国际学术会议ICARIS（1st International Conference on Artificial Immune Systems）也于2002年9月在英国Kent大学召开 2012年,首个人工免疫系统领域的学术刊物Immune Computation创刊 人工免疫系统的产生与发展 AIS研究的主要内容是根据生物免疫系统的一些重要机理和原理，得到人工免疫网络模型和免疫学习算法，并将这些计算模型用于工程及计算机网络等各个方面 人工免疫网络模型的生物理论基础是各种免疫网络学说，如独特型网络、互联耦合免疫网络、免疫反应网络、对称网络和多值免疫网络等 AIS的研究范畴及应用 免疫算法有以下优点： 保存了多样性。因为免疫算法有两大特点，即多样性和自我调节，所以使用这一方法能够获得许多优化问题的最优解 记忆训练。应用免疫算法，通过重复的优化过程，能够很快地得到最优解。因为对于曾经出现过的抗原，免疫算法产生相应抗体的速度比以前更快。虽然遗传算法和免疫算法一样，都是模仿自然进化过程的优化模型，但是在记忆训练和不同抗体的产生方面，两者有本质的区别 免疫算法与进化算法的比较 免疫算法与一般的确定性优化算法相比，有以下显著特点： 它同时搜索解空间中的一系列点，而不只是一个点 它处理的对象是表示待求解参数的编码数字串， 而不是参数本身 它使用的是目标函数本身，而不是其导数或其它附加信息 它的变化规则是随机的，而不是确定的 免疫算法与进化算法的比较 免疫算法与其它非确定性算法（如遗传算法 进化策略等）之间有如下的区别： 它在记忆单元基础上运行，确保了快速收敛于全局最优解 它有计算亲和性的程序，反映了真实免疫系统的多样性 它通过促进或抑制抗体的产生，体现了免疫反应的自我调节功能 免疫算法与进化算法的比较 免疫算法有不同于其它算法的附加优化步骤： 计算亲和性。亲和性有两种形式：一种形式说明了抗体和抗原之间的关系，即解和目标的匹配程度；另一种形式解释了抗体之间的关系，这个独有的特性保证了免疫算法具有多样性 计算期望值。计算期望值的作用是控制适用于抗原（目标）的相同抗体的过多产生 构造记忆单元。用一组记忆单元保存用于防御抗原的一组抗体（优化问题的候选解）。在此基础上，免疫算法能够以很快的速度收敛于全局最优解 免疫算法与进化算法的比较 2 生物免疫机理 生物免疫系统的组成与特征 免疫系统的计算能力 免疫系统的自体/异体识别机理 免疫系统的网络学说 免疫的学习机理 免疫系统的反馈机理 与免疫遗传算法相关的生物机理 生物免疫系统的组成与特征 免疫系统是生物，特别是脊椎动物和人类所必备的防御机理，它由具有免疫功能的器官、组织