计算智能第7章 免疫算法

Manhattan距离 D
Euclidean距离 D Hamming距离
M
(abvi ag i )2
i 1
M
abvi ag i
i 1
M
1, if abvi ag i D i ,i 0, otherwise i 1
7.3 常用免疫算法
7.3.1 负选择算法 7.3.2 克隆选择算法 7.3.3 免疫算法与智能计算
开始 抗原识别
初始抗体产生 记忆细胞分化 亲和力计算
抗体产生的促进和抑制
群体更新
否
满足终止条件 是 结束
7.2.1 基本流程
免疫算法的七个要素 识别抗体，生成初始化的抗体，计算亲和度， 记忆细胞分化，抗体促进和抑制，产生新的抗体， 结束条件。
7.2.1 基本流程
计算亲和度
抗体v和抗原的亲和度为axv
7.1.2 免疫算法的生物模型
病原体
皮肤 生理学环境
先天性 免疫应答
巨噬细胞
后天性 免疫应答
受体
B淋巴细胞
7.1.3 二进制模型
轻链 抗体决定簇 Paratope 抗体j 重链 抗原决定基 Epitope
抗体k B 淋巴细胞
抗体i
抗体
ek 抗体k表现型 p k
1101010100 0000011111
结束
7.4 免疫算法的应用
识别与分类问题 优化问题 机器人学习与控制 数据挖掘
1 axv 1 optv
其中optv表示抗体v和抗原的结合强度，对最优化问题， 可以用抗体v的独特型的解和已知的最优解的相似程度 表示。
7.2.2 更一般化的基本免疫算法
(1)求解多目标优化问题的免疫算法
把抗体v和抗原w的亲和度axv,w重新定义为
axv , w
1 1 optv , w
免疫算法最先起源于1973-1976年间Jernel的三 篇关于免疫网络的文章，Jernel在文中提出了一 组基于免疫独特型的微分方程，这就是最早的免 疫系统。 免疫算法的主要会议: International Conference on Artificial Immune Systems，ICARIS
第7章 免疫算法
目录
1 2 3 4 免疫算法简介
基本流程
常用免疫算法 相关应用
7.1 免疫算法简介
免疫算法是什么？
免疫算法（Immune Algorithm，IA）： 是指以在人工免疫系统的理论为基础， 实现了类似于生物免疫系统的抗原识别、细胞分化、 记忆和自我调节的功能的一类算法。
7.1.1 思想来源
7.2 免疫算法的基本流程
免疫系统和免疫算法的比较
免疫系统 抗原 抗体 抗原识别 从记忆细胞产生抗体 淋巴细胞分化（记忆细胞分化） 免疫算法 要求解的问题 最佳解向量 问题识别 联想过去的成功解 维持最优解
T细胞抑制抗体
生命增加（细胞克隆）
消除多余的候选解
用遗传算子生成新的抗体
7.2.1 基本流程
其中optv,w表示抗体v和抗原w的结合强度，即抗体v在目标函数w的解和 此函数最优解的接近程度，
7.2.2 更一般化的基本免疫算法
(2) 求解更一般问题的免疫算法
V
V

7.2.2 更一般化的基本免疫算法
(2) 求解更一般问题的免疫算法 假设在形态空间内，抗体v和抗原的坐标分别为 和，v=1,..,N，那么它们之间的距离为
7.3.1 负选择算法
算法基本思想：需要两个字符串组成的集合R和 R，通过先求一个和S不匹配的R集合，然后用R 集合判断S集合是否发生了变化。 算法分成两部分，第一步是初始化R，第二步监 视保护数据S。
7.3.1 负选择算法
初始化监测器R
生成随机串R0
自体串集合S
匹配源自文库
拒绝
把R0中不和S所有的串匹配的串放 入R集合，作为检测器
部分抗体
7.3.2 克隆选择算法
克隆选择流程图
(6)
Nd
Pr
M 选择

(1)
Pn
(5) 重新选择 克隆 C 成熟 C*

(2)
(3)

(4)
7.3.3 免疫算法与进化计算
免疫遗传算法
开始 Generation = 0 创建初始种群 计算个体的适应度 是否满足 结束条件 否 交叉 变异 注射疫苗 免疫选择 重新复制出新的种群 Generation + 1 是
7.3.1 负选择算法
监视保护数据S
初始串集合S随机变异若 干部分
检测器R
两集合的串存在匹配 否 探测到非自体
是
没有探测到
7.3.2 克隆选择算法
克隆选择原理图
抗原 抗原决定基 抗体决定簇 10011001 11101001 01100110
成熟
2
12
47
128
死亡
骨髓
克隆选择
2
2
2
2
128
128