人工免疫系统

1.3 免疫记忆
当免疫系统初次遇到一种抗原时， 淋巴细胞需要一定的时间进行 调整以更好地识别抗原， 并在识别结束后以最优抗体的形式保留对该 抗原的记忆信息。而当免疫系统再次遇到相同或者结构相似的抗原 时，在联想记忆的作用下，其应答速度将大大提高。免疫记忆主要体 现在再次免疫应答和交叉免疫应答时，可以大大加速优化搜索过程， 加快学习进程并提高学习质量。
2 典型的人工免疫算法
2.1 基本免疫算法
基本免疫算法基于生物免疫系统基本机制,模仿了人体的免疫系 统。基本免疫算法从体细胞理论和网络理论得到启发,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 ,基本 免疫算法由图 2.1 所示。
图 2-1 基本免疫算法流程图 算法步骤：
4
(1)识别抗原：免疫系统确认抗原入侵。 (2)产生初始抗体群体：激活记忆细胞产生抗体，清除以前出现 过的抗原，从包含最优抗体(最优解)的数据库中选择出来一些抗体。 (3)计算亲和力：计算抗体和抗原之间的亲和力。 (4)记忆细胞分化：与抗原有最大亲和力的抗体加给记忆细胞。 由于记忆细胞数目有限， 新产生的与抗原具有更高亲和力的抗体替换 较低亲和力的抗体。 (5)抗体促进和抑制：高亲和力抗体受到促进，高密度抗体受到 抑制。通常通过计算抗体存活的期望值来实施。 (6)抗体产生:对未知抗原的响应，产生新淋巴细胞。
二、生物免疫系统
生物免疫系统是通过自我识别、 相互刺激与制约而构成了一个动 态平衡的网络结构。在生物自然界中。免疫现象是普遍存在的，并对 物种的生存与繁衍发挥着重要的作用 生物免疫主要有两种类型： （1）特异性免疫（Specific Immunity） 。特异性免疫又称获得免 疫， 是获得免疫经后天感染或人工预防接种而使机体获得抵抗感染能 力。一般是在微生物等抗原物质刺激后才形成的（免疫球蛋白、免疫 淋巴细胞） ，并能与该抗原起特异性反应。特异性免疫具有特异性， 能抵抗同一种微生物的重复感染，不能遗传。 （2）非特异性免疫反应（Nonspecific Immunity） 。非特异性免 疫又称天然免疫或固有免疫。 它和特异性免疫一样都是人类在漫长进 化过程中获得的一种遗传特性， 但是非特异性免疫是人一生下来就具 有，而特异性免疫需要经历一个过程才能获得。固有免疫对各种入侵 的病原微生物能快速反应， 同时在特异性免疫的启动和效应过程也起 着重要作用。 在生物免疫系统中最不可少的就是抗原和抗体。 抗原是指能够刺
三、人工免疫系统
人工免疫系统是模仿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、无教师学习、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 供新颖的解决问题方法的潜力。其研究成果涉及到控制、数据处理、 优化学习和故障诊断等许多领域,已经成为继神经网络、模糊逻辑和 进化计算后人工智能的又一研究热点。
1 基本免疫方法
1.1 免疫识别
免疫识别是免疫系统的主要功能，同时也是 AIS 的核心之一， 而 识别的本质是区分“自我”和“非我” 。它的核心机制是根据识别的 对象特征进行编码，定义一个自我集合并随机产生一系列检测器， 用 于检测自我集合的变化。根据阴性选择原理，若检测集合与自我集合 配合，则完成匹配任务，机体发现病变。 具体算法如下： (1)定义自己(self)为一个字符串集合S，每个字符串由n个字母组 成，字符串可以是一个网络数据包，电子邮件特征向量或程序的一般 行为模式。 (2)产生一个初始监测器集合R。 (3)监测器集合中每个监测器经历阴性选择过程。其中每一个监 测器都不能与集合S中的任何一个字符串相匹配，否则就从监测器集 合中删去对应的检测器。
1
激和诱导机体的免疫系统使其产生免疫应答， 并能与相应的免疫应答 产物在体内或体外发生特异性反应的物质。 抗体是指免疫系统受抗原 刺激后， 免疫细胞转化为浆细胞并产生能与抗原发生特异性结合的免 疫球蛋白，该免疫球蛋白即为抗体。 生物免疫系统的主要功能有： （1）免疫防御，即机体防御病原微 生物的感染； （2）免疫（自身）稳定，即机体通过免疫功能消除那些 损伤和衰老的细胞以维持机体的生理平衡； （3）免疫监视，即机体通 过免疫功能防止或消除在新陈代谢过程中发生突变的和异常的细胞。
6
图 2.3 克隆选择算法 其中 Nd 表示是随机生成的抗体。生物免疫系统中为了保持抗体 的多样性，每天都会产生大量的新的抗体注入到免疫系统中，其中大 多数抗体决定基的片段会因为结合度太低而遭受到抑制， 但仍有少数 的抗体片段跟抗原具有很好的结合获得了克隆扩增机会。 为了模拟这 一抗体循环补充机制， 我们在每次产生临时抗体种群之后再随机产生 的抗体注入其中， 形成新的抗体进入到克隆扩增以及结合度成熟的过 程中， 以提高抗体的多样性 实现全局范围内的搜索优化 避免陷入局 部最优解。
1.4 免疫克隆
克隆选择原理最先由Jerne提出，后由Burnet给予完整阐述。其大 致内容为:当淋巴细胞实现对抗原的识别(即抗体和抗原的亲和度超过 一定阈值)后，B细胞被激活并增殖复制产生B细胞克隆，随后克隆细 胞经历变异过程，产生对抗原具有特异性的抗体。克隆选择理论描述 了获得性免疫的基本特性， 并且声明只有成功识别抗原的免疫细胞才 得以增殖。经历变异后的免疫细胞分化为效应细胞(抗体)和记忆细胞
4.2 故障诊断
阴性选择机理的一个重要应用是检测模式的变化。 Dasgupta 提出 了一个高效检测算法用于检测系统和进程中稳态特征的变化，其中 “自我”被认为是被监视系统的正常行为模式,所以任何所观察数据 超过允许偏差的偏移,都被认为是异常模式。该方法需要足够的正常 模式数据样本来产生不同的检测器集合,而检测器通常以概率的方式 进行检测而不需要有异常模式的先验知识。 Dasgupta 将该检测算法用 于铣削刀具断裂检测中， 试验结果表明它可有效地用于自动安全临界 Ishida 研究了基于 PDP 网络模型的学习算法在分布式故障 操作监测。 诊断中的应用，将免疫网络模型用于故障诊断的相互特征识别，该模 型有以下特点：(1)并行处理；(2)可以处理不完全信息和数据；(3)自 组织；(4)在失效传播中没有必要的反馈回路。 故障诊断是继信息安全之后的另一个从免疫系统直接映射而来 的 AIS 应用领域 , 深入挖掘 AIS 仿生机理将有助于进一步开展基于 AIS 模型的故障诊断研究。
4.1 自动控制
自动控制是 AIS 应用的重要方向之一。免疫系统在动态变化的 环境中维持其自身系统的稳定起重要作用, 是一个鲁棒性很强的自 适应控制系统, 它能够处理环境干扰和不确定性。其自适应机制可为 未知环境中的动态问题求解提供了一种崭新的思路。 其应用有基于独 特型网络理论和免疫反应机制的自治机器人或群体。
3 亲和力的计算
在之前叙述的三种算法中都有一项至关重要的判断准则那就是 亲和力的计算。免疫算法中最复杂的计算是亲和力计算。由于产生于 确定克隆类型的抗体分子独特型是一样的， 抗原与抗体的亲和力也是 抗体与抗体的亲和力的测量。
7
一般计算亲和力的公式 :
( A
g
)
k

1 1 t
k
其中， t k 是抗原和抗体 k 的结合强度。其数学工具有： （1）海明距离
图 2.2 阴性选择算法
5
如图可得程序步骤如下： Procedure Begin 随机生成大量的候选检测器(即免疫细胞) /*初始化*/ While 一个给定大小的检测器集合还没有被产生 do/*耐受*/ Begin 计算出每一个自体元素和一个候选检测器之间的亲和力; If 这个候选的检测器识别出了自体集合中的任何一个元素 Then 这个检测器就要被消除掉; Else 把这个检测器放入检测器集合里面; /*该检测器成熟*/ 利用经过耐受的检测器集合，检测系统以找出变种; End; End.
2
(4)通过与 R 集合的匹配不断监测 S 的变化， 一旦发生任何匹配， 则说明 S 集发生了变化，即有外来抗原侵入。
1.2 免疫学习
免疫识别过程同时也是一个学习的过程， 学习的结果是免疫细胞 的个体亲和度提高、群体规模扩大，并且最优个体以免疫记忆的形式 得到保存。当机体重复遇到同一抗原时，由于免疫记忆机制的作用， 免疫系统对该抗原的应答速度大大提高， 并且产生高亲和度的抗体去 除病原，这个过程是一个增强式学习过程。而且可以对结构类似的抗 原进行识别。 免疫一般途径： (a)对同一抗原进行重复学习，属于增强式学习。 (b)亲合度成熟，对应于AIS中的个体经遗传操作后其亲合度逐步 提高的过程，属于遗传学习。 (c)低度的重复感染，对应于AIS的重复训练过程。 (d)对内生和外生抗原的交叉应答， 属于联想式学习， 对应于联想 记忆机制。
D


L

i1
i
i 1, ab i ag i i 0 , 其它
（2）欧几里得距离
D
（3）曼哈顿距离
2 x y i i i 1
L
D

L
Байду номын сангаас
i 1
xi yi
由前面所叙述的系统和算法比较可得表 2.1：
表 2.1 免疫系统与免疫算法之间的比较
8
4 人工免疫系统的应用
模 式 识 别
—人工免疫系统
姓名：王娟娟 班级：研控计 1321 班 学号：1132227062 指导老师：刘禾
人工免疫系统
一、背景
20 世纪 60 年代后, 自然免疫系统的研究发展成为一个更专业 化的学科—免疫学。 进入 70 年代,免疫学的研究逐渐形成高潮,其主要 成果:阐明了免疫细胞及其相互作用在免疫调节中的作用,解释了抗体 多样性的起源,以及遗传和体细胞突变在抗体多样性形成中的作用,深 入了解免疫系统的调节过程,以及免疫应答或免疫耐受的发生。免疫 学的深入研究揭示了免疫系统具有许多复杂的、 对实际工程问题很有 启发的功能,比如模式识别能力、记忆能力、学习能力、多样性产生 能力、噪声耐受、分布式诊断和优化等,这些功能已广泛应用在计算 机科学、计算智能、人工智能、模式识别、机器学习、数据分析、 图 形处理、自动控制、异常和故障诊断等领域中,这些研究及应用正逐 渐 形 成 一 个 新 兴 的 研 究 领 域 — 人 工 免 疫 系 统 (Artificial Immune System , AIS)。
2.3 克隆选择算法
克隆选择算法由 de Castro 和 Kim 等提出。克隆选择算法的思想 主要仿生了克隆选择理论，有以下特点： 1)高频变异： 与细胞亲和力成比例的高频变异， 免疫细胞克隆后， 需经历高频变异寻找更高亲和力的免疫细胞； 2)克隆删除： 免疫细胞经过变异可能产生许多低亲和力的免疫细 胞，低亲和力细胞得不到与抗原结合的机会而死亡； 3)克隆增殖：亲和力高的个体选择和克隆。根据免疫细胞与抗原 的亲和力大小对免疫细胞进行克隆扩增， 亲和力越高则克隆扩增机会 越大，克隆数目越多； 4)受体编辑：随机产生一些个体来替换群体中的部分个体，变异 可能导致局部极值，受体编辑则扩大了搜索范围，从而加大了寻找全 局最优值的可能性。 算法的流程图如图 2.3 所示：
3
两种。 克隆选择的主要特征是免疫细胞在抗原刺激下产生克隆增殖， 随 后通过遗传变异分化为多样性抗体细胞和记忆细胞。 克隆选择对应着 一个亲和度成熟的过程， 即对抗原亲和度较低的个体在克隆选择机制 的作用下， 经历增殖复制和变异操作后， 其亲和度逐步提高而 “成熟” 的过程。因此亲和度成熟本质上是一个达尔文式的选择和变异的过 程，克隆选择原理通过采用交叉、变异等遗传算子和相应的群体控制 机制实现。
2.2 阴性选择法
阴性选择法又称否定选择算法，是基于生物免疫系统的特异性, 借鉴生物免疫系统中胸腺 T 细胞生成时的“否定选择”过程而形成的 一种算法。T 细胞的否定选择过程是指 T 细胞在胸腺中进行非我选择 处理，使得能够识别自我的 T 细胞在胸腺中被消灭而不能存活。成熟 的 T 细胞从胸腺中释放出来，进入外周免疫系统，或滞留在外周免疫 器官中，或参加淋巴细胞再循环，识别和清除抗原性异物。该算法通 过系统对异常变化的成功监测而使免疫系统发挥作用 ,而监测成功 的关键是系统能够分清自己和非己的信息。具体算法如图 2.2 所示：