課程設(shè)計 老師修改的格式

1、課程設(shè)計報告設(shè)計題目： 人工免疫系統(tǒng)最新進(jìn)展 學(xué) 院： 電子工程學(xué)院 專 業(yè)： 電子信息工程 班 級： 020712 學(xué) 號： 0207115438 姓 名： 馬國榮燕一松 電子郵件： wacy0607 日 期： 2010 年 12 月 成 績： 指導(dǎo)教師： 馬文萍 裝訂線 西 安 電 子 科 技 大 學(xué)電 子 工 程 學(xué) 院課 程 設(shè) 計 任 務(wù) 書 家庭局域網(wǎng)的最新發(fā)展動向人工免疫系統(tǒng)最新進(jìn)展學(xué)生姓名 馬國榮燕一松 指導(dǎo)教師 馬文萍 職稱 副教授 學(xué)生學(xué)號 0207115438 專業(yè) 電子信息工程 題目 家庭局域網(wǎng)的最新發(fā)展動向 人工免疫系統(tǒng)最新進(jìn)展 任務(wù)與要求：評述人工免疫系統(tǒng)的歷史、研

2、究現(xiàn)狀。著重論述人工免疫系統(tǒng)的機(jī)理、算法和應(yīng)用，總結(jié)免疫算法的一般步驟。開始日期 2010 年 12 月19日 完成日期 2010年12月 22日 課程設(shè)計所在單位 智能所 本表格由電子工程學(xué)院網(wǎng)絡(luò)信息中心 編輯錄入 . 人工免疫系統(tǒng)的最新進(jìn)展概述：人工免疫系統(tǒng)(AIS：Artificial Immune System)是根據(jù)免疫系統(tǒng)的機(jī)理、特征、原理開發(fā)的并能解決工程問題的計算或信息系統(tǒng)。AIS在不同的工程問題有不同的映射和定義，根據(jù)莫宏偉人工免疫系統(tǒng)原理與應(yīng)用的定義，所謂 AIS就是借鑒和利用生物免疫系統(tǒng)(主要是人類的免疫系統(tǒng))的各種原理和機(jī)制而發(fā)展的各類信息處理技術(shù)、計算技術(shù)及其在工程和

3、科學(xué)中應(yīng)用而產(chǎn)生的各種智能系統(tǒng)的統(tǒng)稱。自然免疫系統(tǒng)是一種復(fù)雜的分布式信息處理學(xué)習(xí)系統(tǒng)，具有免疫防護(hù)、免疫耐受、免疫記憶、免疫監(jiān)視功能，且有較強(qiáng)的自適應(yīng)性、多樣性、學(xué)習(xí)、識別和記憶等特點(diǎn)，其特點(diǎn)及機(jī)理所包含的豐富思想為工程問題的解決提供了新的契機(jī)，引起了國內(nèi)外研究人員的廣泛興趣，它的應(yīng)用領(lǐng)域也逐漸擴(kuò)展到模式識別、智能優(yōu)化、數(shù)據(jù)挖掘、機(jī)器人學(xué)、自動控制和故障診斷等諸多領(lǐng)域。AIS是繼進(jìn)化算法、模糊系統(tǒng)及神經(jīng)網(wǎng)絡(luò)之后又一研究熱點(diǎn)。人工免疫系統(tǒng)的歷史：1974年，諾貝爾獎獲得者Jeme提出了免疫網(wǎng)絡(luò)理論，為免疫計算奠定了基礎(chǔ)。1986年，Perelson A.S和FamerJ.D首次給出了免疫網(wǎng)絡(luò)的數(shù)

4、學(xué)模型，并提出了一些算法構(gòu)想。1994年，美國學(xué)者Forrest等人提出了否定選擇算法，并將其運(yùn)用到計算機(jī)網(wǎng)絡(luò)入侵檢測和異常檢測。這些學(xué)者對人工免疫算法的早期研究為如今人工免疫系統(tǒng)理論和工程應(yīng)用的快速發(fā)展做出了不可估量的貢獻(xiàn)。從1997年開始，IEEE System,Man andCybernetics國際會議每年組織專門的人工免疫系統(tǒng)研討會。還有GECCO(Geneticand Evolutionary Computation Conference)，CEC(Congress on EvolutionaryComputation)等國際會議也將人工免疫系統(tǒng)作為討論的主題之一。許多國際期刊如E

5、volutionary Computation,IEEE Transaction on Evolutionary Computation等都將人工免疫系統(tǒng)作為重要議題。在2001年和2002年IEEE Transaction on EvolutionaryComputation還相繼出版了人工免疫系統(tǒng)專輯。2002年9月在英國Kent大學(xué)成功召開了第一屆人工免疫系統(tǒng)國際學(xué)術(shù)會議ICARIS(lst International Conference onArtificial Immune Systems)標(biāo)志著人工免疫系統(tǒng)的研究發(fā)展進(jìn)入了一個新的快速發(fā)展階段。如今，人工免疫系統(tǒng)已成為繼人工神經(jīng)網(wǎng)

6、絡(luò)和遺傳算法之后的又一新的人工智能研究熱點(diǎn)。人工免疫系統(tǒng)的現(xiàn)狀：目前，基于生物免疫系統(tǒng)機(jī)理設(shè)計開發(fā)的人工免疫系統(tǒng)的研究主要包括人工免疫網(wǎng)絡(luò)模型和人工免疫算法兩個方面。人工免疫網(wǎng)絡(luò)模型主要是指在模擬細(xì)胞交互、免疫網(wǎng)絡(luò)動態(tài)行為的基礎(chǔ)上建立起來的各種網(wǎng)絡(luò)模型，如獨(dú)特型網(wǎng)絡(luò)、抗體網(wǎng)絡(luò)模型、多值免疫網(wǎng)絡(luò)模型、免疫聯(lián)想記憶模型和互聯(lián)藕合網(wǎng)絡(luò)模型等。免疫網(wǎng)絡(luò)模型強(qiáng)調(diào)網(wǎng)絡(luò)結(jié)構(gòu)中各節(jié)點(diǎn)之間的信息通訊和相互作用，以及其所形成的動態(tài)平衡性是學(xué)者的關(guān)注點(diǎn)。人工免疫算法模擬生物免疫系統(tǒng)的識別、學(xué)習(xí)、進(jìn)化等免疫原理和機(jī)制，針對不同應(yīng)用領(lǐng)域設(shè)計出各種算法模型。由于人工免疫算法強(qiáng)調(diào)免疫系統(tǒng)的智能學(xué)習(xí)機(jī)制，人工免疫算法已成為人

7、工免疫系統(tǒng)研究的主要組成部分。人工免疫系統(tǒng)的研究機(jī)理：1抗體的多樣性原理抗體的多樣性是免疫識別的基礎(chǔ)。通常，免疫系統(tǒng)中抗體的種類數(shù)目要遠(yuǎn)小于外部抗原的種類數(shù)目，但經(jīng)過免疫細(xì)胞歷經(jīng)較快的新陳代謝之后，免疫系統(tǒng)中出現(xiàn)了攜帶著新的抗體的新生細(xì)胞，同時，人體免疫機(jī)制確保這些新抗體隨機(jī)均勻地散步在抗原空間中。顯然，宏觀上看，在一段時間內(nèi)，免疫系統(tǒng)具有種類數(shù)目巨大的抗體，且均勻地分布在整個抗原空間，并逐步覆蓋著整個抗原空間，完成對所有抗原的識別。有效的多樣性生成機(jī)制能實現(xiàn)對眾多類型的抗原的識別。抗體的多樣性的生物機(jī)制主要包括抗體庫的組合方式、體細(xì)胞高頻變異及基因轉(zhuǎn)換等。抗體經(jīng)過抗體庫的基因片段的重組，產(chǎn)生

8、了多樣性的抗原識別受體，保證了免疫系統(tǒng)中種類數(shù)目較少的抗體對種類數(shù)目較多的抗原的識別。2抗原與抗體的相互作用過程從宏觀角度的來看，抗體產(chǎn)生的過程分為三個階段。當(dāng)抗原第一次進(jìn)入機(jī)體時，需經(jīng)一定的潛伏期才能產(chǎn)生抗體，且抗體產(chǎn)生的量也不多，在體內(nèi)維持的時間也較短。當(dāng)相同抗原第二次進(jìn)入機(jī)體后，開始時，由于原有抗體中的一部分與再次進(jìn)入的抗原結(jié)合，可使原有抗體量略為降低。隨后，抗體數(shù)量迅速大量增加可比初次反應(yīng)產(chǎn)生的多幾倍到幾十倍，在體內(nèi)留存的時間亦較長。此外，由抗原刺激機(jī)體產(chǎn)生的抗體，經(jīng)過一定時間后也可逐漸消失。此時若再次接觸抗原，可使已消失的抗體快速上升，即特異性回憶反應(yīng)；反之，則為非特異性回憶反應(yīng)。從

9、微觀角度來看，抗體和抗原通過力或化學(xué)鍵相互作用?？贵w單個結(jié)合部位與單個抗原的結(jié)合力稱為親和力。反映整個抗體分子與抗原之間總的結(jié)合力稱為親合力。在只有一個決定簇的抗原分子和一群只對這一決定簇具有特異性的抗體分子所組成的簡化系統(tǒng)中，抗原濃度可用來衡量結(jié)合力或親和力的大小。較小的抗原濃度意味著更大的親和力。親和力的大小同時取決于抗原和抗體兩方面，特定的抗體分子對不同的相關(guān)抗原具有不同的親和力。一個抗體分子的平均親和力可通過重復(fù)免疫而增強(qiáng)，這一現(xiàn)象稱為親和力的成熟（affinity mutation）。3克隆選擇原理克隆選擇原理是免疫系統(tǒng)用來說明對抗原刺激所產(chǎn)生的免疫應(yīng)答基本特征的，只有識別抗原的細(xì)胞

10、才能進(jìn)行克隆擴(kuò)增?？寺∵x擇學(xué)說的中心思想是，抗體是天然產(chǎn)物，以受體的形式存在于細(xì)胞表面，抗原可與之選擇性地反應(yīng)。抗原與相應(yīng)抗體受體的反應(yīng)可導(dǎo)致細(xì)胞克隆增殖該群體具有相同的抗體特異性，其中某些細(xì)胞克隆分化為抗體生成細(xì)胞，通過抗體基因頻繁的變異和編輯，在經(jīng)過免疫后得到改善度成熟。另一些形成免疫記憶細(xì)胞以參加之后的二次免疫反應(yīng)?？寺∵x擇是生物體免疫系統(tǒng)自適應(yīng)抗原刺激的動態(tài)過程。這一過程中，所體現(xiàn)現(xiàn)的學(xué)習(xí)、記憶、抗體多樣性等生物特性，正是人工免疫系統(tǒng)所借鑒的。人工免疫系統(tǒng)的幾種基本算法：目前人工免疫算法的研究主要集中在對以下幾個生物免疫特性或原理的模擬：免疫系統(tǒng)的“自己（Self）”、“非己（Non-

11、Self）”識別，B細(xì)胞的高變異克隆、抗體生成的自適應(yīng)促進(jìn)及抑制、人工疫苗免疫的原理，從而形成相應(yīng)的免疫算法模型：否定選擇算法、克隆選擇算法、疫苗免疫算法、免疫遺傳算法等。1. 否定選擇算法定義一個自體集合S隨機(jī)生成候選檢測器集合R計算每一個候選檢測器與自體集合S中的所有元素進(jìn)行匹配。若匹配成功則刪除該候選檢測器，否則將該檢測器置于合格檢測器集合中否定選擇算法的理想情況是從模式空間中篩選出一組可以完全剔除掉所有正常模式的檢測器。因此，通過以上耐受成熟過程的合格檢測器集合不僅能夠檢測識別已知的異常模式，理論上還能夠檢測識別未知的“非己”。2. 克隆選擇算法生成候選方案的一個集合P，它由記憶細(xì)胞M

12、的子集和剩余群體Pr組成（P=M+Pr）。選擇n個具有較高親和力的個體?？寺∵@n個最好的個體，組成一個臨時的克隆群體C。與抗原的親和力越高，個體在克隆時的規(guī)模也就越大。把克隆群體提交到高頻變異，根據(jù)親和力的大小決定變異。產(chǎn)生一個成熟的抗體群體C*。對C*進(jìn)行再選擇，組成記憶細(xì)胞集合M。P中的一些成員可以被C*中的其它一些改進(jìn)的成員替換掉。生成d個新的抗體取代P中d個低親和力的抗體，保持多樣性。3. 疫苗免疫算法1)免疫算子：由“接種疫苗”和“免疫選擇”兩個操作步驟組成。2)疫苗(Vaccine)：根據(jù)進(jìn)化環(huán)境或待求問題的先驗知識，得到的對最佳個體基因的估計。3)接種疫苗(Vaccination

13、)：根據(jù)疫苗修正個體基因的過程即為接種疫苗，其目的是消除抗原在新個體產(chǎn)生時所帶來的負(fù)面影響。設(shè)有一個體x，給其接種疫苗是指按照先驗知識來修改個體某些基因位上的基因或其分量，使所得個體以較大的概率具有更高的適應(yīng)度。4)免疫選擇：這一操作一般分兩步完成。第一步是免疫檢測，即對接種了疫苗的個體進(jìn)行檢測，若其適應(yīng)度仍不如父代，說明在交叉、變異的過程中出現(xiàn)了嚴(yán)重的退化現(xiàn)象。這時，該個體將被父代中所對應(yīng)的個體取代；第二步是退火選擇，即在目前的子代群體中以某一概率選擇某個體進(jìn)入新的父代群體。4. 免疫遺傳算法抗體的濃度概率（或簡稱）是指與某一抗體相同或相似的抗體占整個抗體群體的比例?？贵w生成的促進(jìn)是指該抗體

14、被選擇的概率得到提升，而抗體生成的抑制是指降低抗體的選擇概率?？贵w的適應(yīng)度高而濃度低，則被促進(jìn)；適應(yīng)度低而濃度高則被抑制。該算法采用基于抗體適應(yīng)度和抗體濃度進(jìn)行控制的遺傳進(jìn)化方式，使得高適應(yīng)度的超級個體在群體中的擴(kuò)散速度被有效控制，從而有助于避免傳統(tǒng)遺傳算法所固有的“早熟”問題，具有較強(qiáng)的全局優(yōu)化能力。人工免疫系統(tǒng)的應(yīng)用：近年來，各種人工免疫模型和算法已應(yīng)用于許多工程領(lǐng)域中的復(fù)雜問題，這些問題通常是傳統(tǒng)理論和方法無法解決的。1自動控制現(xiàn)代自動控制理論研究中一個重要的領(lǐng)域就是設(shè)計控制系統(tǒng)的魯棒性，即當(dāng)一個控制系統(tǒng)中的參數(shù)發(fā)生攝動時系統(tǒng)仍能保持正常工作，就像人在受到外界病菌的感染后，能夠通過自身的

15、免疫系統(tǒng)恢復(fù)健康一樣。生物免疫系統(tǒng)具有的天然魯棒性，使許多學(xué)者開始研究基于免疫的控制方法，為現(xiàn)代控制工程的發(fā)展提供了新的方向。主要的研究方向有Bersini為代表的自適應(yīng)控制、Ootsuki為代表的順序控制、以及Ishiguro的機(jī)器人行為控制。2數(shù)據(jù)挖掘在人工智能的研究中，知識的自動獲取是一個關(guān)鍵，數(shù)據(jù)挖掘技術(shù)是解決這一關(guān)鍵的主要方案。數(shù)據(jù)挖掘旨在從大量的數(shù)據(jù)中尋找隱含的層次的信息，是一個從系統(tǒng)內(nèi)部自動獲取知識的過程，免疫系統(tǒng)強(qiáng)大的信息處理能力也可用于數(shù)據(jù)挖掘。1999年，Timmis等人比較了人工免疫網(wǎng)絡(luò)、聚類分析和神經(jīng)網(wǎng)絡(luò)3種方法在數(shù)據(jù)挖掘中的應(yīng)用和各自的特點(diǎn)，指出應(yīng)用人工免疫系統(tǒng)進(jìn)行數(shù)

16、據(jù)挖掘可對訓(xùn)練數(shù)據(jù)進(jìn)行建模，對輸入空間的大區(qū)域有泛化能力，并能對得到的進(jìn)化的網(wǎng)絡(luò)提供更好的解釋，獲取更多的有用信息。3計算機(jī)安全與計算機(jī)系統(tǒng)遇到的各種病毒、非法入侵等計算機(jī)安全問題與生物免疫系統(tǒng)遇到的問題十分相似。因此可以借鑒生物免疫系統(tǒng)的“自己”、“非己”識別方式來解決計算機(jī)安全問題。在計算機(jī)入侵檢測和病毒檢測方面開創(chuàng)性的研究是Forrest的否定選擇算法。隨后Kim等人提出了一種結(jié)合多種免疫機(jī)制的基于人工免疫多代理入侵檢測模型。4故障監(jiān)測和診斷D Dasgupta等將人工免疫系統(tǒng)用于工業(yè)中，進(jìn)行加工工具破損監(jiān)測。劉樹林等受生物免疫系統(tǒng)自己一非己識別過程的啟發(fā)提出了反面選擇算法，在故障診斷應(yīng)

17、用領(lǐng)域中改進(jìn)了反面選擇算法，提出了對旋轉(zhuǎn)機(jī)械在線故障診斷的新方法杜海峰等還將ART-人工免疫網(wǎng)絡(luò)用于解決多級往復(fù)式壓縮機(jī)故障診斷效果良好。5圖像處理圖象處理D F McCoy(1997)等將人工免疫系統(tǒng)用于圖象分割。王肇捷等為了得到最佳視差圖，將免疫算法用于解決計算機(jī)視覺中的立體匹配；與基于像素點(diǎn)灰度匹配相比，免疫算法的匹配效果好；與模擬退火匹配相比，雖然都能得到全局最優(yōu)的視差圖，但免疫算法的匹配速度快。6智能優(yōu)化許多的工程問題都能抽象成優(yōu)化問題。作為一種智能優(yōu)化搜索策略，人工免疫算法在函數(shù)優(yōu)化、組合優(yōu)化、調(diào)度問題等許多方面都得到了應(yīng)用并取得了很好的效果?？贵w對抗原的識別和隨后的進(jìn)化過程實質(zhì)上

18、是一種生物搜索和優(yōu)化過程通過借鑒免疫系統(tǒng)高效的多樣化抗體產(chǎn)生和保持機(jī)制可以建立高效的搜索和優(yōu)化算法。在優(yōu)化問題求解中，各種基于免疫原理的人工免疫算法展示了良好的性能，通常情況下，免疫算法都取得了比傳統(tǒng)的啟發(fā)式算法更好的求解結(jié)果，尤其在求解的效率方面，顯示出人工免疫系統(tǒng)在智能優(yōu)化領(lǐng)域具有廣闊的應(yīng)用前景。除了上述幾個方面的應(yīng)用，人工免疫算法在模式識別、聯(lián)想記憶、機(jī)器學(xué)習(xí)、智能建筑等諸多領(lǐng)域也都有相應(yīng)的應(yīng)用。由于人工免疫算法獨(dú)具的分布式、自適應(yīng)、自組織系統(tǒng)特性以及其在解決實際問題尤其是復(fù)雜問題時所體現(xiàn)出來的魯棒性和高效性，使之成為一個具有較強(qiáng)實用價值的研究方向。人工免疫算法的一般步驟：人工免疫算法一般可以大致