免疫克隆策略算法及其應用研究.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，它受生物免疫機制的啟發(fā)，通過學習外界物質的自然防御機理的學習技術，提供噪聲忍耐、自組織、自學習、記憶等進化學習機理，結合了分類器、神經(jīng)網(wǎng)絡和機器推理等的特點。因此具有提供解決問題新穎方法的潛力。其研究成果涉及控制，數(shù)據(jù)處理。優(yōu)化學習和故障診斷，目前已成為繼神經(jīng)網(wǎng)絡，模糊邏輯和進化計算后人工智能的又一研究熱點。 本文基于抗體克隆選擇以及免疫記憶機制，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度空間上的收斂性及收斂速度問題。通過相應算法在函數(shù)優(yōu)化，組合優(yōu)化等典型復雜問題中的應用，驗證了研究的結果，肯定了其具有解決復雜問題的潛力。論文的主要工作可總結如下：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、進化計算和人工免疫系統(tǒng)，其中神經(jīng)網(wǎng)絡和進化計算已被廣泛地應用于各個領域，而人工免疫系統(tǒng)由于其復雜性，應用相對較少，隨

3、著人們對免疫系統(tǒng)機理的進一步揭示，人工免疫系統(tǒng)的研究將在各個領域發(fā)揮其重大作用，從而帶給人類社會更大的進步。本文系統(tǒng)闡述生物免疫系統(tǒng)被人工免疫系統(tǒng)所借鑒的相關機理，并簡要論述人工免疫系統(tǒng)的算法研究和應用研究，總結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，克隆選擇學說所描述的記憶、學習和進化等特性越來越受到人工智能研究者的重視，但是國內(nèi)外相應的研究成果很少。本文基于克隆選擇機理，提出了多克隆算子和單克隆算子，并進一

4、步研究了利用克隆算子而構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)克隆算子的實質是在一代進化中，在侯選解的附近，根據(jù)親合度的大小，產(chǎn)生一個新的子群體，從而擴大了搜索范圍，多克隆算子還實現(xiàn)了子群間的信息交換，提高了算法的收斂速度，理論分析與仿真實驗表明，與傳統(tǒng)進化策略相比，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)的進化策略。 3.為了模擬生物免疫系統(tǒng)的自我調節(jié)及記憶機理，并且借助這

5、些機理來有效改善人工仿生算法，本文提出了免疫記憶動態(tài)克隆策略(IMDCS)，該算法的特點為：(1)評價標準計算是計算親和度(Affinity)，包括抗體-抗原的親合度以及抗體-抗體親合度；反映了真實的免疫系統(tǒng)的多樣性；(2)算法通過促進或抑制抗體的產(chǎn)生，體現(xiàn)了免疫反應的動態(tài)自我調節(jié)功能，即保證了個體的多樣性又自適應地調節(jié)抗體群的克隆規(guī)模；(3)通過設立記憶單元，加快抗體親和力成熟速度，而且在進化過程中，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-抗體親合度自適應的調整。仿真實驗表明，IMDCS進一步提高了收斂速度，具有很好的局部優(yōu)化能力，為更好解決類似多峰函數(shù)優(yōu)化、KP等復雜問題提供了新方法。 4.不僅模擬免疫反應中的生物倍增過程，而且模擬B淋巴細胞在免疫響應中所產(chǎn)生的免疫記憶機制和耐受的克隆消亡，提出了另一個人工免疫系統(tǒng)算法—免疫記憶克隆策略算法簡稱(IMCSA)，此算法采用十進制，并設立記憶單元，抗體群與記憶單元同時進化，并且消除(更新)在

7、進化中親和度低的抗體。相關試驗表明，與相關進化算法相比，該算法進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)化及旅行商問題等復雜問題。 5.新的智能算法的提出除了要能通過實驗或實際應用說明其解決問題的能力，另外，必須有相應的理論解釋，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。本文借助進化算法的相關結果，對于第四章提出免疫克隆策略算法的收斂性及收斂速度進行了系統(tǒng)的分析，首先利