人工免疫系统理论及免疫克隆优化算法研究

发布时间：2020-07-05 16:46

【摘要】：生物免疫系统是一个高度进化的生物系统,它具有高度自适应、高度分布性、自组织等特性。它能够有效识别入侵的抗原并清除抗原,并保持机体的稳定。人工免疫系统正是借鉴生物免疫系统信息处理机制的基础上发展起来的智能信息处理技术。由于人工免疫系统具备模式识别、学习和记忆的能力,因此它成为了一种科学及工程领域中信息处理和问题求解范式,由此也开辟了计算智能研究的新领域。本文以人工免疫系统的基本原理框架为线索,对其研究状况加以系统性的论述。首先从生物免疫系统入手,归纳总结出其仿生的机制机理,主要包括免疫识别、免疫学习、免疫记忆、个体多样性、分布式、自适应等。进而详细介绍了人工免疫系统的形态空间模型和人工免疫网络的二进制模型。随后又介绍了几种具有代表性的人工免疫系统模型:基于阴性选择的人工免疫系统模型、基于克隆选择原理的人工免疫系统模型以及基于克隆选择原理的免疫网络模型。在分析了免疫系统克隆机制的基础上本文提出了一种免疫克隆算法,在算法中引入了抗体重组变异算子、克隆删除算子和抗体补充算子,利用抗体重组变异算子与抗体补充算子增加抗体群的多样性,利用克隆删除算子抑制抗体亲和力的退化。并将其应用于广义最小生成树问题和物流配送车辆路径优化问题当中,仿真结果表明,与遗传算法相比较而言,本文提出的免疫克隆算法能够更为快速可靠地搜索到这两类优化问题的全局最优解。最后在本文提出的免疫克隆算法的基础之上,引入了抗体的聚类竞争机制以及抗体抑制机制,有效地提高了抗体群的多样性。针对二进制编码方式,引入了基于信息熵的抗体之间距离的计算方式。针对实数编码方式,引入了高斯变异算子和柯西变异算子组成的双重变异算子。并将这种基于聚类和竞争的免疫克隆算法应用于复杂测试函数的寻优,仿真结果表明,该算法具备较高的全局收敛可靠性以及较快的收敛速度,避免了遗传算法中的早熟收敛现象。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：TP18
【图文】：

字符串,串结构,二维表,矩形框

称为错误肯定，当一个非自体字符串被分类为自体字符串时，称为错误否定，见图3.2。ARTIS的目标也是要将这两类错误最小化，尽量避免它们的发生。图3.2一个字符串结构的二维表示如图3.1中所示，矩形框内为所有字符串所在的论域U，每一个字符串都可以归属于这个集合，且可区分为自体或者非自体。阴影部分内的字符串为自体，阴影部分外为非自体。免疫检测系统在两个集合之间通过对字符串进行自体和非自体分类来给边界编码(检测系统的分类边界即为图中的虚线)。.32.2检测器的生成与训练在ARTIS中，抗原决定基和抗体模拟为固定长度L的二进制字符串，它们之间的化学结合用大致的字符串匹配模拟。ARTIS有类似于免疫系统的环境，它由许多流动检测器组成，在分布式环境中循环。它采用一种更类似于免疫原理的匹配规则，称为;连续位匹配规则。即如果两个字符串有共同的r连续位则匹配，;是一个确定检测器特征的闽值

表示法,检测器,形状

在新表示法下，从凡)=00111110不匹配从又)二000010110对每一个检测孔洞有了不同的表示法等同于改变检测器的“形状”，而保持自体集合恒定的“形状”(见图3.7)。结果一个节点检测一个非自体字符串失败，另一个节点却能成功，避免了孔洞的出现。图3.7表示法变化等同于检测器形状变化

【引证文献】