人工免疫思维进化算法的设计

人工免疫思维进化算法的设计

摘要：文中提出一种人工免疫思维进化算法，此算法在免疫系统优化机理的基础上吸取了思维进化算法中的优点，提出了趋同半径和异化半径的概念，实现了免疫算法中抗体的局部和全局寻优，并且给出了一种基于矢量距的概率选择方法。同时，本文描述了算法的具体实现步骤，证明了算法的收敛性，给出了仿真实验。实验结果表明，新算法有机地结合了人工免疫算法和思维进化算法的优点，具有不易陷入局部极值，解的精度高，收敛速度快等特性。

关键词：人工免疫算法思维进化算法趋同异化矢量距

中图分类号：tp18 文献标识码：a 文章编号：

1007-9416(2012)02-0127-03

the design of artificial immune mind evolution algorithm li xiao-min

(engineering school of shanxi datong university, datong 037003, shanxi province)

abstract:a kind of artificial immune mind evolution algorithm is proposed in this paper, which combines the advantage of mind evolution algorithm with the optimization mechanism of immune system; the concept of similartaxis radius and dissimilation radius is defined; to realize the local optimization and global optimization of antibody, and

probability choice based on vector distance was given. meanwhile, algorithm description was given in detail in this paper; the convergence of algorithm was proved, and simulation experiment was carried out. the experiment result has shown that the new algorithm has good performance with the merit of artificial immune algorithm and mind evolution algorithm, such as avoiding local optima, high precision solution, and quick convergence.

key words:artificial immune algorithm mind evolution algorithm similartaxis; dissimilation；vector distance 1、引言

生命现象和生物的智能行为一直为人工智能研究者所关注。而自然免疫系统正是人工智能方法灵感的重要源泉之一。免疫系统在显示学习、适应性、记忆机制等应用于不同计算任务的方法方面可以给人们提供丰富的灵感和启示。从人体免疫系统发展出的计算方法已经引起许多不同领域广泛的研究兴趣。受人类自然免疫系统的启发，现在已经提出了各种人工免疫算法。人工免疫算法是模拟自然免疫系统功能的一种智能方法，它实现一种受生物免疫系统启发，通过学习外界物质的自然防御机理的学习技术，提供噪声忍耐、无师学习、自组织、记忆等进化学习机理，结合了分类器、神经网络和机器推理等系统的一些优点，因此具有提供新颖的解决问题的方

法的潜力[1]。它已经成为继神经网络、模糊逻辑推理和进化计算后人工智能的又一研究热点[2]。

思维进化算法[3,4]是模拟人类思维进化过程的一种新型进化算法，其中的趋同与异化的概念对于目前正在大量广泛研究的人工免疫算法有着重要的启示。

根据人工免疫和思维进化的特点，本文提出了人工免疫思维进化算法。该算法借鉴了思维进化中的上述特点，引入了趋同半径和异化半径的概念，这样抗体根据克隆扩增和受体编辑的原理分别进行局部竞争和全局竞争，实现了两层搜索机制。另外，算法中强调了免疫记忆的优良抗体保持作用。

2、人工免疫思维进化算法的生物学机理[5,6,7]

与达尔文生物进化原理相似，生物免疫系统中也存在着进化现象。当抗原侵入肌体时，b细胞群体通过如下进化过程产生抗体以消灭抗原：

(1)与抗原亲合力高的b细胞被选出。(2)在辅助t细胞的作用下，该b细胞分裂增生，产生大量b细胞，称为克隆扩增（clonal expansion）。b细胞通过克隆扩增在形状空间中的小范围内产生大量子b细胞以在局部范围内搜索亲合性更高的b细胞。(3)一些亲合力低的子b细胞删除其受体并生成新受体，即受体编辑（receptor editing）。受体编辑使得子b细胞在形状空间中可能突变为离其较远的点，以在全局范围内搜索亲合性更高的b细胞。另一些亲合力

低的子b细胞死亡，同时骨髓产生一部分新b细胞以增加群体的多样性。(4)经过若干世代的选择、克隆扩增、受体编辑、骨髓产生新b细胞过程，最终产生了亲合力很高的b细胞以消灭抗原。

3、算法中的几个概念

3.1 趋同半径与异化半径

趋同和异化[3,4]是思维进化算法中的两个重要概念，将趋同与异化的思想分别与克隆扩增和受体编辑相对应。为此分别定义趋同半径和异化半径：

群体中的任一抗体的局部范围构造为：

其中为欧几里德范数，为解空间，是由与的欧氏距离不大于常数的所有可行解构成，解空间是以为中心，为半径的局部球形区域，定义为趋同半径。

群体中的任一抗体的全局范围构造为：

其中是以为中心，为半径的全局球形区域，定义为异化半径。3.2 基于矢量距的选择方法[8]

在常见的算法中，通常选取与种群中个体适应度成正比的方法作为选择概率，这样很容易使种群中相似适应度的个体迅速增加，使算法未成熟收敛。为此，提出基于矢量距的选择方法。

将抗原、b细胞和抗体分别对应于优化问题的目标函数、优化解，解的适应度函数，n个抗体构成了一个非空免疫系统集合x。规定抗体在集合x上的距离为：