第5章 免疫算法

AIS在优化设计中的应用
• 永磁同步电动机的参数修正的优化设计；
• 电磁设备的外形优化；
• VLSI印刷线路板的布线优化设计；
• 函数测试；
• 旅行商问题的求解；
• 约束搜索优化问题和多判据设计问题；
AIS在网络安全的应用
• • 数据检测（Forrest ）； 病毒检测（ Kephart）；
•
UNIX过程监控（ Forrest）。
D c
a
k 1
i 1
k
l1 l 2
k i 1
a
j 2
k
l3
k j 1
a
源自文库
k
多数情况下， l3较aj-1 + aj的减少量要大于l1 + l2较ai的增加量。
故： P D c D P D c D




免疫疫苗的选取方法 之二 自适应方法 Begin:
免疫算法的收敛性
状态转移过程示意图：
Ak Bk Ck Dk Ak 1
定 义：如果对于任意的初始分布均有
k
交叉
变异
接种疫苗
免疫选择
lim
则称算法收敛。
si S *

i P{ Ak } 1
定 理：免疫算法是收敛的。
免疫疫苗的选取方法 之一 通用方法
具体分析待求问题，搜集特征信息。
以 TSP 问题为例，通过具体分析可 以得出相邻两两城市之间的最短路径即 为求解该问题时可以利用的一种疫苗。
TSP问题的描述
TSP 问 题 是 旅 行商问题的简称。 即一个商人从某 一城市出发，要 遍历所有目标城 市，其中每个城 市必须而且只须 访问一次。所要 研究的问题是在 所有可能的路径
免疫操作的基本过程
首先，对待求问题进行具体分析，从中提取出
最基本的特征信息；
其次，对此特征信息进行处理，以将其转化为
求解问题的一种方案；
最后，将此方案以适当的形式转化成免疫算子
以实施具体的操作。
免疫算子
The Immune operator
算法中的免疫思想主要是在合理提取疫苗 的基础上，通过免疫算子来实现的； 免疫算子由 接种疫苗 和 免疫选择 两个 操作完成的。
度
40
当前最佳适应度 当前平均适应度
20 0 200 400 600 800 1000
进 化 子 代
进 化 子 代
a 通用遗传算法计算曲线
b 免疫算法计算曲线
仿真实验
400 350 300 250 200
400
350
300
250
200
150
150
100
100
50
50
0 0 50 100 150 200 250 300
第5章 免疫算法
研究背景




在生物科学领域，人们对进化、遗传和免疫等自然现象已 经进行了广泛而深入的研究 ； 进化算法是建立在模仿生物遗传与自然选择基础上的一种 并行优化算法，其性能优异、应用广泛； 进化算子在为每个个体提供了进化机会的同时，也无可避 免地产生了退化的可能； 大多数待求问题有可以利用的先验知识或特征信息，故可 以利用这些信息来抑制进化过程中的退化现象； 生物免疫理论为改进原有算法的性能，建立集进化与免疫 机制于一体的新型全局并行算法奠定了基础。
为了提高个体 的适应度。 为了防止群体 的退化。
免疫算子
之
接种疫苗
设个体x，给其接种疫苗是指按照先验知 识来修改 x 的某些基因位上的基因或其分量， 使所得个体以较大的概率具有更高的适应度。 疫苗 是从先验知识中提炼出来的，它所含的 信息量及其准确性对算法性能的发挥起着重 要的作用。
免疫算子
之
免疫检测
中寻找一条路程最短的路线。该问题是一个典型的NP问题， 即随着规模的增加，可行解的数目将做指数级增长。
TSP问题的分析
设所有与城市Ai距离最近的城市为Aj,
D
a
k 1
i 1
k
ai
k i 1
a
j 2
k
a j 1 a j
k j 1
a
N
N
k
进行一次如虚线所示的调整后,

免疫学习算法
• • • • • •
非选择算法（Forrest）； 免疫学习算法（Hunt&Cooke）； 免疫遗传算法（Chun）； 免疫Agent算法（Ishida）； 免疫网络调节算法（Wang&Cao）； 免疫进化算法（Jiao&Wang）.
AIS

的应用

自动控制 故障诊断 模式识别 图象识别 优化设计 机器学习 网络安全

i 1
体系结构
免疫算法

免疫算法
Immune Algorithm---IA


随机产生初始父代种群 A1 ，根据先验知识抽取疫苗； 若当前群体中包含最佳个体，则算法停止运行并输出 结果；否则，继续； 对当前第 k代父本种群 Ak进行交叉操作，得到种群 Bk； 对Bk进行变异操作，得到种群Ck； 对Ck进行接种疫苗操作，得到种群Dk； 对Dk进行免疫选择操作，得到新一代父本Ak+1，转至 第二步。
AIS在控制领域中的应用
• • • • •
PID型免疫反馈控制器（ Takahashi ）； 机器人控制（ Mitsumoto, Ishiguro, Lee）； 控制系统的设计（ Ishida ）； 复杂动态行为建模和自适应控制（Kumak）； 倒立摆的控制（ Bersini ）。
AIS在故障诊断中的应用
这一操作一般分两步完成：第一步是免疫检 测 ，即对接种了疫苗的个体进行检测，若其适 应度仍不如父代，则该个体将被父代中所对应的 个体所取代；第二步是 退火选择 ，即在目前的 f ( xi ) 子代群体中以右边所示概率 Tk e 选择个体进入新的父代群体。 P ( xi ) n 0 f ( xi ) 在免疫策略中，仅有免疫检 Tk e 测而没有退火选择。
基本概念
抗原
所有可能错误的基因，即非最佳个体的基因。 疫苗 根据进化环境或待求问题的先验知识，所得到的对 最佳个体基因的估计。
抗体
根据疫苗修正某个个体的基因所得到的新个体。
免疫思想的实现 免疫算子
免疫算子有两种类型： 全免疫 非特异性免疫 目标免疫 特异性免疫
即：群体中的每个个体在进化算子作用后，对其 每一环节都进行一次免疫操作的免疫类型； 即：在进行了进化操作后，经过一定的判断，个 体仅在作用点处发生免疫反应的一种类型。
0 0 50 100 150 200 250 300
a. 免疫疫苗示意图 b. 最优路径示意图 442城市的TSP问题免疫优化仿真示意图
谢谢！
免疫进化算法
生物免疫的启示



在生物自然界中，免疫现象普遍存在，并对物种的生存与 繁衍发挥着重要的作用； 生物的免疫功能主要是由参与免疫反应的细胞或由其构成 的器官来完成的； 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 。
免疫生物学的基本概念
抗原 是指能够刺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。
• • 基于相关识别特性的免疫网络模型 用于故障诊断的方法（Ishida）； 通过构造大规模独特型免疫网络来 建立用于在线服务的故障诊断系统 （Ishiguru）。
AIS在模式识别中的应用
Hunt等人开发了一种具有学 习能力的人工免疫系统并用于模 式识别。
AIS在联想记忆中的应用
Gilbert等人采用免疫网络模 型设计了一种内容可访的自动联 想记忆系统并用于图像识别。
免疫系统的主要特点
免疫识别


免疫应答
免疫耐受

免疫记忆
免疫调节
算法研究
方法：
生物学概念与理论
工程计算方法
进化＋免疫
传统进化算法是在一定发生概率的条件下， 随机地、没有指导地迭代搜索，因此它们在 为群体中的个体提供了进化机会的同时，也 无可避免地产生了退化的可能。 每一个待求的实际问题都会有自身一些基本 的、显而易见的特征信息或知识。然而进化 算法中的交叉和变异算子在求解问题时，操 作的可变程度较小。
while (Conditions = True) 统计父代群体，确定最佳个体： optimal i ak Statistics( a k |i 1, , n) ; 分解最佳个体，抽取免疫基因： optimal H {h j a k , j j 1,2 , , m} ; 执行遗传和免疫算子操作; end
仿真实验 基于IA的TSP求解
80 60
40
20
0 0 20 40 60 80
a. 免疫抗体 b. 最优化路径 75城市的TSP问题免疫优化仿真示意图
子代适应度值随进化过程 的变化曲线
100 80
100
80
适 60 应 度 40
20 0 0 1000 2000 3000 4000
适 应 60
当前最佳适应度 当前平均适应度