免疫克隆策略算法及其應(yīng)用研究.pdf

1、人工免疫系統(tǒng)(AIS)是一新的模擬自然免疫系統(tǒng)的人工智能方法，它受生物免疫機(jī)制的啟發(fā)，通過(guò)學(xué)習(xí)外界物質(zhì)的自然防御機(jī)理的學(xué)習(xí)技術(shù)，提供噪聲忍耐、自組織、自學(xué)習(xí)、記憶等進(jìn)化學(xué)習(xí)機(jī)理，結(jié)合了分類器、神經(jīng)網(wǎng)絡(luò)和機(jī)器推理等的特點(diǎn)。因此具有提供解決問(wèn)題新穎方法的潛力。其研究成果涉及控制，數(shù)據(jù)處理。優(yōu)化學(xué)習(xí)和故障診斷，目前已成為繼神經(jīng)網(wǎng)絡(luò)，模糊邏輯和進(jìn)化計(jì)算后人工智能的又一研究熱點(diǎn)。 本文基于抗體克隆選擇以及免疫記憶機(jī)制，系統(tǒng)探討了幾種人工免

2、疫系統(tǒng)方法，其中包括免疫克隆策略算法、免疫記憶動(dòng)態(tài)策略算法以及免疫記憶策略算法。并且討論了免疫克隆算法的在一般測(cè)度空間上的收斂性及收斂速度問(wèn)題。通過(guò)相應(yīng)算法在函數(shù)優(yōu)化，組合優(yōu)化等典型復(fù)雜問(wèn)題中的應(yīng)用，驗(yàn)證了研究的結(jié)果，肯定了其具有解決復(fù)雜問(wèn)題的潛力。論文的主要工作可總結(jié)如下：1.由生物引發(fā)的信息處理系統(tǒng)可以分為：神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算和人工免疫系統(tǒng)，其中神經(jīng)網(wǎng)絡(luò)和進(jìn)化計(jì)算已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，而人工免疫系統(tǒng)由于其復(fù)雜性，應(yīng)用相對(duì)較少，隨

3、著人們對(duì)免疫系統(tǒng)機(jī)理的進(jìn)一步揭示，人工免疫系統(tǒng)的研究將在各個(gè)領(lǐng)域發(fā)揮其重大作用，從而帶給人類社會(huì)更大的進(jìn)步。本文系統(tǒng)闡述生物免疫系統(tǒng)被人工免疫系統(tǒng)所借鑒的相關(guān)機(jī)理，并簡(jiǎn)要論述人工免疫系統(tǒng)的算法研究和應(yīng)用研究，總結(jié)免疫算法的一般步驟。 2.作為生物免疫系統(tǒng)的重要理論假說(shuō)，克隆選擇學(xué)說(shuō)所描述的記憶、學(xué)習(xí)和進(jìn)化等特性越來(lái)越受到人工智能研究者的重視，但是國(guó)內(nèi)外相應(yīng)的研究成果很少。本文基于克隆選擇機(jī)理，提出了多克隆算子和單克隆算子，并進(jìn)一

4、步研究了利用克隆算子而構(gòu)造的新的人工智能算法—免疫單克隆策略算法和免疫多克隆策略算法。我們發(fā)現(xiàn)克隆算子的實(shí)質(zhì)是在一代進(jìn)化中，在侯選解的附近，根據(jù)親合度的大小，產(chǎn)生一個(gè)新的子群體，從而擴(kuò)大了搜索范圍，多克隆算子還實(shí)現(xiàn)了子群間的信息交換，提高了算法的收斂速度，理論分析與仿真實(shí)驗(yàn)表明，與傳統(tǒng)進(jìn)化策略相比，免疫克隆策略算法的收斂速度有較大提高，解的多樣性明顯優(yōu)越于傳統(tǒng)的進(jìn)化策略。 3.為了模擬生物免疫系統(tǒng)的自我調(diào)節(jié)及記憶機(jī)理，并且借助這

5、些機(jī)理來(lái)有效改善人工仿生算法，本文提出了免疫記憶動(dòng)態(tài)克隆策略(IMDCS)，該算法的特點(diǎn)為：(1)評(píng)價(jià)標(biāo)準(zhǔn)計(jì)算是計(jì)算親和度(Affinity)，包括抗體-抗原的親合度以及抗體-抗體親合度；反映了真實(shí)的免疫系統(tǒng)的多樣性；(2)算法通過(guò)促進(jìn)或抑制抗體的產(chǎn)生，體現(xiàn)了免疫反應(yīng)的動(dòng)態(tài)自我調(diào)節(jié)功能，即保證了個(gè)體的多樣性又自適應(yīng)地調(diào)節(jié)抗體群的克隆規(guī)模；(3)通過(guò)設(shè)立記憶單元，加快抗體親和力成熟速度，而且在進(jìn)化過(guò)程中，記憶單元與一般抗體單元的變異概率隨

6、著抗體-抗原親合度和抗體-抗體親合度自適應(yīng)的調(diào)整。仿真實(shí)驗(yàn)表明，IMDCS進(jìn)一步提高了收斂速度，具有很好的局部?jī)?yōu)化能力，為更好解決類似多峰函數(shù)優(yōu)化、KP等復(fù)雜問(wèn)題提供了新方法。 4.不僅模擬免疫反應(yīng)中的生物倍增過(guò)程，而且模擬B淋巴細(xì)胞在免疫響應(yīng)中所產(chǎn)生的免疫記憶機(jī)制和耐受的克隆消亡，提出了另一個(gè)人工免疫系統(tǒng)算法—免疫記憶克隆策略算法簡(jiǎn)稱(IMCSA)，此算法采用十進(jìn)制，并設(shè)立記憶單元，抗體群與記憶單元同時(shí)進(jìn)化，并且消除(更新)在

7、進(jìn)化中親和度低的抗體。相關(guān)試驗(yàn)表明，與相關(guān)進(jìn)化算法相比，該算法進(jìn)一步提高了收斂速度，能比較有效地克服早熟現(xiàn)象，可以很好地解決類似高維函數(shù)優(yōu)化及旅行商問(wèn)題等復(fù)雜問(wèn)題。 5.新的智能算法的提出除了要能通過(guò)實(shí)驗(yàn)或?qū)嶋H應(yīng)用說(shuō)明其解決問(wèn)題的能力，另外，必須有相應(yīng)的理論解釋，包括該智能算法收斂性的證明及算法有效性的理論分析如算法收斂速度分析。本文借助進(jìn)化算法的相關(guān)結(jié)果，對(duì)于第四章提出免疫克隆策略算法的收斂性及收斂速度進(jìn)行了系統(tǒng)的分析，首先利