人工免疫系統(tǒng)理論、算法及應(yīng)用研究.pdf

1、隨著現(xiàn)代生物學(xué)和醫(yī)學(xué)的發(fā)展,生物免疫學(xué)的研究得到了極大拓展,同時也使免疫學(xué)產(chǎn)生了許多交叉學(xué)科。近年來,計算機(jī)科學(xué)和其它工程科學(xué)與免疫學(xué)交叉研究逐漸成為國際研究領(lǐng)域的一個新方向,而且,應(yīng)用計算機(jī)對免疫系統(tǒng)及其各種機(jī)體功能與特征行為進(jìn)行數(shù)學(xué)建模,更易于分析和解釋各種免疫現(xiàn)象的內(nèi)在機(jī)理。另一方面,免疫系統(tǒng)的許多功能特點和作用機(jī)理對工程應(yīng)用中許多復(fù)雜問題求解有重要啟示和借鑒作用。
　　受免疫系統(tǒng)功能機(jī)理的啟發(fā)以及解決復(fù)雜問題的實際需要,產(chǎn)

2、生了人工免疫系統(tǒng)(Artificial Immune System，AIS)。人工免疫系統(tǒng)是受生物免疫系統(tǒng)的理論和模型啟示,根據(jù)觀察到的免疫功能、原理和模型,用來解決復(fù)雜問題的一種智能方法。人工免疫系統(tǒng)提供了新穎的解決問題的方法和途徑,目前其研究成果涉及控制、數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、組合優(yōu)化、故障診斷、計算機(jī)安全等許多領(lǐng)域,已經(jīng)成為繼神經(jīng)網(wǎng)絡(luò)、進(jìn)化計算之后自然計算的又一研究熱點。
　　一方面,由于人工免疫系統(tǒng)是一門新的學(xué)科分支,有關(guān)人

3、工免疫系統(tǒng)理論、算法的研究成果并不太多,主要有基于免疫網(wǎng)絡(luò)學(xué)說的人工免疫網(wǎng)絡(luò)模型、基于免疫特異性的負(fù)選擇算法、基于克隆選擇學(xué)說的克隆選擇算法。另一方面,由于對生物免疫機(jī)理的認(rèn)識還不十分深入,對人工免疫系統(tǒng)的研究存在著諸多挑戰(zhàn),主要包括(1)對人工免疫系統(tǒng)的研究陷入了僵局,缺乏創(chuàng)造性的思想;(2)缺乏對人工免疫系統(tǒng)的理論基礎(chǔ)研究;(3)應(yīng)該將免疫系統(tǒng)與生物體的其它系統(tǒng)特別是神經(jīng)網(wǎng)絡(luò)系統(tǒng)和內(nèi)分泌系統(tǒng)集成與交互,開發(fā)出新的人工免疫系統(tǒng)算法;(

4、4)為了對生物免疫系統(tǒng)進(jìn)行更深入地研究,應(yīng)該與生物免疫學(xué)者、數(shù)學(xué)家做更多的交流,采用特殊的實驗,建立有用的模型,以此作為抽象成有效算法的基礎(chǔ)。
　　鑒于以上原因,本論文主要做了以下幾個方面的研究工作:
　　1.首先研究了當(dāng)前生物免疫學(xué)的研究進(jìn)展和取得的成果,包括免疫系統(tǒng)組成、免疫系統(tǒng)原理以及當(dāng)前最新的理論免疫學(xué)說和模型。其次,研究了建立人工免疫系統(tǒng)的一般框架、人工免疫系統(tǒng)的體系結(jié)構(gòu),以及當(dāng)前基于自適應(yīng)免疫系統(tǒng)的三大主要算法:

5、負(fù)選擇算法、克隆選擇算法和免疫網(wǎng)絡(luò)算法。
　　2.克隆選擇算法已經(jīng)廣泛地應(yīng)用于計算智能領(lǐng)域,而針對克隆選擇算法理論方面的分析和研究工作相對較少,因此本文采用了與研究遺傳算法相似的方法,研究了克隆選擇的收斂屬性,推導(dǎo)出克隆選擇算法在求解優(yōu)化問題時,收斂到全局最優(yōu)解的充分條件。并且更進(jìn)一步地研究了一般克隆選擇算法概率性收斂的屬性,即在某一固定概率下算法保證找到最優(yōu)解所需要的進(jìn)化代數(shù)上界。論文還對克隆選擇算法與遺傳算法在某一固定概率δ下

6、,保證找到最優(yōu)解所需要的進(jìn)化代數(shù)上界隨變異概率μ變化的情況進(jìn)行了比較,并得到了一些相關(guān)的結(jié)論。
　　3.將生物醫(yī)學(xué)中疫苗的提取和接種疫苗技術(shù)進(jìn)行了抽象和建模,以此為基礎(chǔ)提出了疫苗的概念、疫苗的提取算法和接種疫苗算子。并將接種疫苗算子、疫苗庫進(jìn)化操作和一般克隆選擇算法進(jìn)行結(jié)合來實現(xiàn)對一般克隆算法的改進(jìn),其目標(biāo)是實現(xiàn)種群中抗體之間的交互,提高克隆選擇算法的搜索效率,加快其收斂速度,促進(jìn)抗體群親和力成熟。論文也對改進(jìn)后算法的計算效率和時

7、間復(fù)雜度進(jìn)行了分析。改進(jìn)的克隆選擇算法與De Castro提出的CLONALG算法分別用于二進(jìn)制字符模式識別實驗,實驗比較的結(jié)果表明基于接種疫苗的克隆選擇算法具有較高的執(zhí)行效率。
　　4.研究了生物免疫系統(tǒng)中的危險理論(Danger Theory)以及先天性免疫系統(tǒng)中的一種重要的抗原呈遞細(xì)胞(APC)——樹突細(xì)胞(Dendritic Cells,簡稱DCs)的生物學(xué)行為特征,在此基礎(chǔ)上對DCs的行為進(jìn)行抽象建模,然后形成了基于DC

8、s的算法DCA(Dendritic Cells Algorithm)。論文研究了DCA算法各種參數(shù)的變化對算法的敏感程度即這些參數(shù)的改變對算法的異常檢測性能的影響。在Linux操作系統(tǒng)中的基于DCA的端口掃描異常檢測實驗結(jié)果表明DCA算法對這些參數(shù)的變化是不敏感的,表明了DCA的健壯性。另外論文也研究了DCA的信號處理機(jī)制中權(quán)值的變化對算法異常檢測性能的影響,基于DCA的端口掃描異常檢測實驗表明,在對異常進(jìn)程進(jìn)行檢測時,其對信號處理權(quán)值