智能控制理论和方法(第二版)第章人工免疫算法及其在智能控制中的应用

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
算法一开始随机地初始化抗体群(相当于随机列出求解问题的 候选解)。接着,辨识抗原,计算抗体群中抗体同抗原的亲和 度。根据亲和度对抗体进行克隆选择,然后得到新的群体。 由于新群体一般是亲和度高的抗体,它们被优先克隆,以继
承上一代的优良特性,并记忆、存储。如此反复迭代,直至
满足终止条件。基本的人工免疫算法的基本过程如图8.4所示。
适应性地识别特异抗原、分化和响应过程。此一系列过程被
称为免疫响应。过程中生产的免疫细胞具有记忆特性,当下 一次再遇同一特异抗原时能产生更快的响应。免疫的响应过 程如图8.3所示。
第8章 人工免疫算法及其在智能控制中的应用
图8.3 免疫响应多阶段过程图示
第8章 人工免疫算法及其在智能控制中的应用
8.2 人工免疫系统与基本免疫算法简介
(见图8.2)。抗原和抗体之间的匹配程度称为它们之间的亲和度。
第8章 人工免疫算法及其在智能控制中的应用
图8.1 B细胞受体或者抗体的结构
第8章 人工免疫算法及其在智能控制中的应用
图8.2 一个抗原和多个抗体粘合
第8章 人工免疫算法及其在智能控制中的应用
在适应性免疫系统中,抗原一旦进入机体,抗原分子中 的抗原表位就被T和B细胞识别,从而诱导产生免疫细胞活化、
统的定义,重点在于将自然免疫系统中所获取的现象作为隐
喻,用于计算问题,属于生物学推动的计算。在某些文献中, 也有把人工免疫系统叫做免疫学计算、计算免疫学或基于免
疫的系统等。
第8章 人工免疫算法及其在智能控制中的应用
8.2.2 基本的人工免疫算法 基本的人工免疫算法是按照自然免疫系统对病原体的检
测、识别、克隆选择、超变异、免疫记忆等原理进行设计的。
争(识别与杀灭)的过程。这一过程称为适应性免疫。参与适应性免疫的细
胞有多种,主要有免疫细胞(T细胞、B细胞等)及它们相互作用后产生的 特异性免疫效应物质(又称为淋巴免疫球蛋白)。抗体的一种主要形式是依 附于B细胞表面的膜结合形态。抗体与细胞膜结合后形成的复合体也称B 细胞受体(见图8.1)。抗体是Y形状的一种感受器分子,生在B细胞的表面, 其主要作用是通过互补配合,识别抗原,并与抗原粘合。抗原被抗体所 识别的部位叫表位,又称抗原决定簇。一个抗原可以与多个抗体相粘合
第8章 人工免疫算法及其在智能控制中的应用
第8章 人工免疫算法及其在智能控制中的应用
8.1 引言 8.2 人工免疫系统与基本免疫算法简介 8.3 基于生发中心反应的全局优化算法 8.4 人工免疫网络算法(aiNet)
第8章 人工免疫算法及其在智能控制中的应用
8.1 引
8.1.1 自然免疫系统的组成
第8章 人工免疫算法及其在智能控制中的应用
图8.4 基本的人工免疫算法的流程
第8章 人工免疫算法及其在智能控制中的应用
1. 计算亲和度 基本的人工免疫算法中,亲和度表示抗体和抗原之间的 相互作用程度,也反映了抗体适应环境的程度。一般简记为 aff。aff表示为属性串之间距离d的函数,即aff=f(d) ,即B 细胞或者抗体和抗原之间匹配程度。结合具体的问题,函数
视为海明距离的特殊情况。
第8章 人工免疫算法及其在智能控制中的应用
图8.5 欧氏距离和曼哈顿距离比较
第8章 人工免疫算法及其在智能控制中的应用
对于混合型属性串,如果属性串中包括整数、实数和符 号值,则采用逐一匹配的方法,类似于海明距离的计算,然 后求和。如果属性串中的多数属性是数值型,少部分是非数 值型,则对数值属性采用欧氏距离或曼哈顿距离,对非数值 属性采用海明距离分别计算,然后求和作为总的距离d。例
(6,1),欧氏距离d(B1,Ag)=5.66,d(B2,Ag)=6.08,而曼哈顿距
离d(B1,Ag)=8,d(B2,Ag)=7。距离抗原Ag(0,0)最近的抗体, 若按欧氏距离,则为B1;如按曼哈顿距离,则为B2。造成这 种问题的原因是欧氏距离和曼哈顿距离的偏好不同。当属性 值采用二进制的位表示时,常采用海明距离。整数属性值可
第8章 人工免疫算法及其在智能控制中的应用
第8章 人工免疫算法及其在智能控制中的应用
8.1.2 自然免疫系统的机理 先天免疫系统为人类提供了第一道能抵抗和消灭入侵病原体的防卫。 它主要包括皮肤、粘膜和屏障结构的屏障作用(外部的)以及某些具有杀菌
和吞噬作用的免疫细胞(如粒细胞、单核巨噬细胞)等。
在人类的生存环境中,某些病原体能突破人的先天免疫系统防线, 在人体内生长繁殖,引起感染,此时机体会经历同某一种病原体(抗原)斗
关系f可选取不同的形式。也可直接简记为距离dis。距离越
小,说明抗体越相似,且它们之间的相互抑制能力越强。 对实值属性串,距离d可以表示为欧氏距离(式(8.1))、
曼哈顿(Manhattan)距离(式(8.2))或海明距离(式(8.3))。
欧氏距离
(8.1)
第8章 人工免疫算法及其在智能控制中的应用

自然免疫系统是由分子、细胞、组织和器官组成的一个 有机联合体。它是一个多层次的防御系统,主要有物理屏障
层(皮肤、粘膜等)、生理屏障层(泪液、唾液、胃酸和汗液等)、
先天免疫和适应性免疫系统。
通常,免疫系统主要是由参与适应性免疫响应的器官、
组织、细胞和免疫活性介质组成的。免疫系统的组成如表8.1 所示[5]。
曼哈顿距离 (8.2) 海明距离 (8源自文库3)
第8章 人工免疫算法及其在智能控制中的应用
和欧氏距离相比较,曼哈顿距离更有效,因为它没有指 数和开平方运算。此外,两者对算法有效性的影响也不同。
欧氏距离对各属性值之间的差异性更敏感,因此对噪声敏感。
而曼哈顿距离对噪声具有鲁棒性。这可以由图8.5进行说 明 [13]。图中抗原Ag(0,0),抗体B1坐标为(4,4), 抗体B2坐标为
8.2.1 人工免疫系统定义
人工免疫系统(AIS)的定义最早由H. Sidburg等人在1990
年提出[4]。人工免疫系统有几种不同的定义。De Castro和 Timmis概括了几种定义后,将AIS定义[4]为: “人工免疫系 统是受理论免疫学和所观察到的免疫功能、原理和模型启发 的自适应系统,被应用于复杂问题领域。” 这种人工免疫系
相关文档
最新文档