智能系统控制人工免疫与免疫控制.ppt

龚涛智能系统控制人工免疫与免疫控制人工免疫与免疫控制免疫计算智能系统的应用免疫计算智能系统的应用免疫算法免疫算法人工免疫网络模型人工免疫网络模型生物免疫机理生物免疫机理 人工免疫系统概述人工免疫系统概述龚涛智能系统控制1 概概 述述人工免疫系统的产生与发展人工免疫系统的产生与发展AIS的研究范畴及应用的研究范畴及应用 免疫计算智能与其他智能技术的比较免疫计算智能与其他智能技术的比较龚涛智能系统控制1.1 人工免疫系统的产生与发展人工免疫系统的产生与发展生物信息系统可看成一个分布式自治系统，且生物信息系统可看成一个分布式自治系统，且能提供给科学和工程领域各种富有成效的技术能提供给科学和工程领域各种富有成效的技术和方法和方法由生物引发的信息处理系统可分为：脑神经系由生物引发的信息处理系统可分为：脑神经系统（神经网络）、遗传系统（进化计算）和免统（神经网络）、遗传系统（进化计算）和免疫系统（人工免疫系统（疫系统（人工免疫系统（AIS）神经网络和进化计算已被广泛地应用于各个领神经网络和进化计算已被广泛地应用于各个领域，而域，而AIS由于其复杂性没有引起与神经网络由于其复杂性没有引起与神经网络和进化计算等计算领域同等的重视，直到近几和进化计算等计算领域同等的重视，直到近几年才引起国内外研究学者的兴趣年才引起国内外研究学者的兴趣 龚涛智能系统控制Dasgupta给出的定义：给出的定义：“人工免疫系统由生人工免疫系统由生物免疫系统启发而来的智能策略所组成，物免疫系统启发而来的智能策略所组成，主要用于信息处理和问题求解主要用于信息处理和问题求解”Timmis给出的定义：给出的定义：“人工免疫系统是一种人工免疫系统是一种由理论生物学启发而来的计算范式，它借由理论生物学启发而来的计算范式，它借鉴了一些免疫系统的功能、原理和模型并鉴了一些免疫系统的功能、原理和模型并用于复杂问题的解决用于复杂问题的解决”人工免疫系统的定义人工免疫系统的定义AIS的研究结果已涉及到的研究结果已涉及到控制控制 故障诊断故障诊断 模式识别模式识别图像识别图像识别 优化设计优化设计 机器学习机器学习联想记忆联想记忆 知识发现知识发现 异常检测异常检测 计算机网络安全等许多领域计算机网络安全等许多领域龚涛智能系统控制人工免疫系统的产生与发展龚涛智能系统控制AIS已已 成成 为为 许许 多多 国国 际际 期期 刊刊 的的 重重 要要 议议 题题 如如，Evolutionary Computation，IEEE Transaction on Evolutionary Computation等，后者在等，后者在2001年和年和2002年相继出版了年相继出版了AIS专辑专辑在在国国际际会会议议方方面面，从从1997年年开开始始，IEEE System，Man and Cybernetic国际会议每年均组织专门的国际会议每年均组织专门的AIS研讨会研讨会其其 它它 国国 际际 会会 议议 如如 GECCO（Genetic and Evolutionary Computation Conference），CEC（Congress on Evolutionary Computation）等也将）等也将AIS作为主题之一作为主题之一第第 一一 届届 AIS国国 际际 学学 术术 会会 议议 ICARIS（1st International Conference on Artificial Immune Systems）也也于于2002年年9月月在在英国英国Kent大学召开大学召开20122012年年,首首 个个 人人 工工 免免 疫疫 系系 统统 领领 域域 的的 学学 术术 刊刊 物物 Immune Immune ComputationComputation创刊创刊人工免疫系统的产生与发展人工免疫系统的产生与发展龚涛智能系统控制AIS研研究究的的主主要要内内容容是是根根据据生生物物免免疫疫系系统统的的一一些些重重要要机机理理和和原原理理，得得到到人人工工免免疫疫网网络络模模型型和和免免疫疫学学习习算算法法，并并将将这这些些计计算算模模型用于工程及计算机网络等各个方面型用于工程及计算机网络等各个方面人工免疫网络模型的生物理论基础是各种人工免疫网络模型的生物理论基础是各种免疫网络学说，如独特型网络、互联耦合免疫网络学说，如独特型网络、互联耦合免疫网络、免疫反应网络、对称网络和多免疫网络、免疫反应网络、对称网络和多值免疫网络等值免疫网络等AIS的研究范畴及应用的研究范畴及应用 龚涛智能系统控制免疫算法有以下优点：免疫算法有以下优点：保保存存了了多多样样性性。因因为为免免疫疫算算法法有有两两大大特特点点，即即多多样样性性和和自自我我调调节节，所所以以使使用用这这一一方方法法能能够够获获得得许多优化问题的最优解许多优化问题的最优解记记忆忆训训练练。应应用用免免疫疫算算法法，通通过过重重复复的的优优化化过过程程，能能够够很很快快地地得得到到最最优优解解。因因为为对对于于曾曾经经出出现现过过的的抗抗原原，免免疫疫算算法法产产生生相相应应抗抗体体的的速速度度比比以以前前更更快快。虽虽然然遗遗传传算算法法和和免免疫疫算算法法一一样样，都都是是模模仿仿自自然然进进化化过过程程的的优优化化模模型型，但但是是在在记记忆忆训训练练和和不不同抗体的产生方面，两者有本质的区别同抗体的产生方面，两者有本质的区别 免疫算法与进化算法的比较免疫算法与进化算法的比较 龚涛智能系统控制免免疫疫算算法法与与一一般般的的确确定定性性优优化化算算法法相相比比，有有以以下下显著特点：显著特点：它它同同时时搜搜索索解解空空间间中中的的一一系系列列点点，而而不不只只是是一一个个点点它处理的对象是表示待求解参数的编码数字串，它处理的对象是表示待求解参数的编码数字串，而不是参数本身而不是参数本身它它使使用用的的是是目目标标函函数数本本身身，而而不不是是其其导导数数或或其其它它附加信息附加信息它的变化规则是随机的，而不是确定的它的变化规则是随机的，而不是确定的 免疫算法与进化算法的比较免疫算法与进化算法的比较 龚涛智能系统控制免疫算法与其它非确定性算法（如遗传算法免疫算法与其它非确定性算法（如遗传算法进化策略等）之间有如下的区别：进化策略等）之间有如下的区别：它它在在记记忆忆单单元元基基础础上上运运行行，确确保保了了快快速速收收敛于全局最优解敛于全局最优解它它有有计计算算亲亲和和性性的的程程序序，反反映映了了真真实实免免疫疫系统的多样性系统的多样性它通过促进或抑制抗体的产生，体现了免它通过促进或抑制抗体的产生，体现了免疫反应的自我调节功能疫反应的自我调节功能免疫算法与进化算法的比较免疫算法与进化算法的比较 龚涛智能系统控制 免疫算法有不同于其它算法的附加优化步骤：免疫算法有不同于其它算法的附加优化步骤：计计算算亲亲和和性性。亲亲和和性性有有两两种种形形式式：一一种种形形式式说说明明了了抗抗体体和和抗抗原原之之间间的的关关系系，即即解解和和目目标标的的匹匹配配程程度度；另另一一种种形形式式解解释释了了抗抗体体之之间间的的关关系系，这这个个独独有有的的特特性保证了免疫算法具有多样性性保证了免疫算法具有多样性计计算算期期望望值值。计计算算期期望望值值的的作作用用是是控控制制适适用用于于抗抗原原（目标）的相同抗体的过多产生（目标）的相同抗体的过多产生构造记忆单元。用一组记忆单元保存用于防御抗原构造记忆单元。用一组记忆单元保存用于防御抗原的一组抗体（优化问题的候选解）。在此基础上，的一组抗体（优化问题的候选解）。在此基础上，免疫算法能够以很快的速度收敛于全局最优解免疫算法能够以很快的速度收敛于全局最优解免疫算法与进化算法的比较免疫算法与进化算法的比较 龚涛智能系统控制2 生物免疫机理生物免疫机理生物免疫系统的组成与特征生物免疫系统的组成与特征 免疫系统的计算能力免疫系统的计算能力 免疫系统的自体免疫系统的自体/异体识别机理异体识别机理 免疫系统的网络学说免疫系统的网络学说 免疫的学习机理免疫的学习机理 免疫系统的反馈机理免疫系统的反馈机理 与免疫遗传算法相关的生物机理与免疫遗传算法相关的生物机理 龚涛智能系统控制生物免疫系统的组成与特征生物免疫系统的组成与特征免疫系统是生物，特别是脊椎动物和免疫系统是生物，特别是脊椎动物和人类所必备的防御机理，它由具有免人类所必备的防御机理，它由具有免疫功能的器官、组织、细胞、免疫效疫功能的器官、组织、细胞、免疫效应分子及有关的基因等组成，可以保应分子及有关的基因等组成，可以保护机体抗御病原体、有害的异物及癌护机体抗御病原体、有害的异物及癌细胞等致病因子的侵害细胞等致病因子的侵害免疫的功能包括：免疫防御免疫的功能包括：免疫防御；免疫稳；免疫稳定；免疫监视定；免疫监视 龚涛智能系统控制生物免疫系统的组成与特征生物免疫系统的组成与特征抗原具有的性能：抗原具有的性能：（1）刺激机体产生免疫应答的免疫原性）刺激机体产生免疫应答的免疫原性（2）与相应免疫应答的产物发生特异性结合）与相应免疫应答的产物发生特异性结合龚涛智能系统控制免疫系统的计算能力免疫系统的计算能力 免疫识别免疫识别 免疫学习免疫学习 免疫记忆免疫记忆 克隆选择和阈值机理克隆选择和阈值机理 个体多样性个体多样性 分布式和自适应性分布式和自适应性 特征抽取特征抽取 自我调整自我调整 龚涛智能系统控制免疫系统的网络学说免疫系统的网络学说 免疫学说中有两种学说占主导地位免疫学说中有两种学说占主导地位（1）细胞克隆选择学说）细胞克隆选择学说 细胞克隆选择学说的基点是外来抗原选择原先处细胞克隆选择学说的基点是外来抗原选择原先处于静止状态的互补细胞克隆，被选择细胞克隆的于静止状态的互补细胞克隆，被选择细胞克隆的激活、增殖和效应概念是免疫应答的细胞学过程，激活、增殖和效应概念是免疫应答的细胞学过程，然而针对自身抗原的细胞克隆则被抑制或消除，然而针对自身抗原的细胞克隆则被抑制或消除，因而对外来抗原的识别是关键因素。因而对外来抗原的识别是关键因素。龚涛智能系统控制（2）网络学说）网络学说 网络学说的观点是建立在自身识别上，认为免疫系网络学说的观点是建立在自身识别上，认为免疫系统是淋巴细胞上分布的特异性抗原受体统是淋巴细胞上分布的特异性抗原受体V区的网络，区的网络，这个网络是通过免疫细胞相互识别这个网络是通过免疫细胞相互识别V区上的抗原决区上的抗原决定簇来实现的；对外来抗原的应答是建筑在识别自定簇来实现的；对外来抗原的应答是建筑在识别自身抗原基础上的反应。免疫应答中的细胞间相互作身抗原基础上的反应。免疫应答中的细胞间相互作用大致有四种类型：相关识别、连锁识别、多克隆用大致有四种类型：相关识别、连锁识别、多克隆相互作用、独特型与抗独特型之间相互作用。相互作用、独特型与抗独特型之间相互作用。免疫系统的网络学说免疫系统的网络学说 龚涛智能系统控制免疫系统具有高度分辨免疫系统具有高度分辨“自体自体”与与“异体异体”抗原抗原物质的能力，这种识别作用是由免疫淋巴细胞完物质的能力，这种识别作用是由免疫淋巴细胞完成的。免疫淋巴细胞对抗原分子的识别、自身的成的。免疫淋巴细胞对抗原分子的识别、自身的活化、增殖和分化以及产生效应的过程称之为免活化、增殖和分化以及产生效应的过程称之为免疫应答。免疫淋巴细胞在抗原识别过程中被诱导疫应答。免疫淋巴细胞在抗原识别过程中被诱导活化，形成以活化，形成以B细胞介导的体液免疫和以细胞介导的体液免疫和以T细胞介细胞介导的细胞免疫；亦可被诱导而处于不活化状态，导的细胞免疫；亦可被诱导而处于不活化状态，称之为免疫耐受。称之为免疫耐受。免疫系统的自体免疫系统的自体/异体识别机理异体识别机理 龚涛智能系统控制免疫细胞对抗原的识别是通过结合（或匹配）免疫细胞对抗原的识别是通过结合（或匹配）过程实现的，相应地，过程实现的，相应地，AIS中的抗原识别通过特中的抗原识别通过特征匹配来实现，其核心是定义一个匹配阈值，征匹配来实现，其核心是定义一个匹配阈值，而对匹配的度量则采用多种方法如，海明而对匹配的度量则采用多种方法如，海明（Hamming）距离、欧式（）距离、欧式（Euclidean）距离及）距离及Forrest所提出的所提出的R连续位匹配方法等连续位匹配方法等 免疫系统的自体免疫系统的自体/异体识别机理异体识别机理 龚涛智能系统控制免疫的学习机理免疫的学习机理 免疫学习大致可分为两种：一种发生在初次免疫学习大致可分为两种：一种发生在初次应答阶段，即免疫系统首次识别一种新的抗应答阶段，即免疫系统首次识别一种新的抗原时，其应答时间相对较长；而当机体重复原时，其应答时间相对较长；而当机体重复遇到同一抗原时，由于免疫记忆机制的作用，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抗原，这个过程且产生高亲和度的抗体去除抗原，这个过程是一个增强式学习（是一个增强式学习（reinforcement learning）过程，对应于再次应答。过程，对应于再次应答。龚涛智能系统控制免疫学习一般有以下几种途径：免疫学习一般有以下几种途径：（1）对同一抗原进行重复学习，属于增强式学习）对同一抗原进行重复学习，属于增强式学习（2）亲亲和和度度成成熟熟，对对应应于于AIS中中的的个个体体经经遗遗传传操操作作后其亲和度逐步提高的过程，属于遗传学习后其亲和度逐步提高的过程，属于遗传学习（3）低度的重复感染，对应于）低度的重复感染，对应于AIS的重复训练过程的重复训练过程（4）对对内内生生和和外外生生抗抗原原的的交交叉叉应应答答，属属于于联联想想式式学学习，对应于联想记忆机制习，对应于联想记忆机制 免疫的学习机理免疫的学习机理 龚涛智能系统控制免疫系统的反馈机理免疫系统的反馈机理 由免疫反馈原理图知，当抗原进入机体，经周围细胞消化后，由免疫反馈原理图知，当抗原进入机体，经周围细胞消化后，将信息传递给将信息传递给T细胞，即传递给细胞，即传递给TH细胞和细胞和TS细胞，细胞，TS细胞用于抑细胞用于抑制制TH细胞的产生。然后共同刺激细胞的产生。然后共同刺激B细胞，经过一段时间后，细胞，经过一段时间后，B细细胞产生抗体以清除抗原。当抗原较多时，机体内的胞产生抗体以清除抗原。当抗原较多时，机体内的TH细胞亦较多，细胞亦较多，而而TS细胞却较少，从而产生的细胞却较少，从而产生的B细胞会多些。随着抗原的减少，细胞会多些。随着抗原的减少，机体内机体内TS细胞增多，它抑制了细胞增多，它抑制了TH细胞的产生，则细胞的产生，则B细胞也随着减细胞也随着减少，经过一段时间后，免疫反馈系统便趋于平衡。少，经过一段时间后，免疫反馈系统便趋于平衡。图图1 免疫系统的反馈机理免疫系统的反馈机理龚涛智能系统控制与遗传算法相关的特征与遗传算法相关的特征（1）产产生生多多样样抗抗体体的的能能力力：通通过过细细胞胞的的分分裂裂和和分分化化作作用用，免免疫疫系系统统可可产产生生大大量量的的抗抗体体来来抵抵御御各各种种抗抗原原，这这对对应应于于遗遗传传算算法法中中个个体体的的多多样样性性。这这种种机机制制可可用用于于提提高高遗遗传传算算法法的的全全局搜索能力而不陷于局部解局搜索能力而不陷于局部解（2）自自我我调调节节机机构构：免免疫疫系系统统具具有有维维持持免免疫疫平平衡衡的的机机制制，通通过过对对抗抗体体的的抑抑制制和和促促进进作作用用，能能自自我我调调节节产产生生适适当当数数量量的的必必要要抗抗体体。这这对对应应于于遗遗传传算算法法中中个个体体浓浓度度的的抑抑制制和和促促进进，利用这一功能可以提高遗传算法的局部搜索能力利用这一功能可以提高遗传算法的局部搜索能力与免疫遗传算法相关的生物机理与免疫遗传算法相关的生物机理 龚涛智能系统控制与遗传算法相关的特征与遗传算法相关的特征（3）免免疫疫记记忆忆功功能能：产产生生抗抗体体的的部部分分细细胞胞会会作作为为记记忆忆细细胞胞而而被被保保存存下下来来，对对于于今今后后侵侵入入的的同同类类抗抗原原，相相应应的的记记忆忆细细胞胞会会迅迅速速激激发发而而产产生生大大量量的的抗抗体体。如如果果遗遗传传算算法法能能利利用用这这种种抗抗原原记记忆忆识识别别功功能能，则则可可以以加加快快搜搜索索速速度度，提提高高遗遗传传算算法法的的总总体体搜搜索索能力能力龚涛智能系统控制3 人工免疫网络模型人工免疫网络模型 独特型网络模型独特型网络模型互联耦合免疫网络模型互联耦合免疫网络模型 对称网络模型对称网络模型 多值网络模型多值网络模型 龚涛智能系统控制Jerne提提出出的的独独特特型型网网络络学学说说，它它是是以以克克隆隆选选择择理理论论为为基基础础。Jerne强强调调免免疫疫系系统统中中各各个个细细胞胞克克隆隆不不是是处处于于一一种种孤孤立立状状态态，而而是是通通过过自自体体/异异体体识识别别、相相互互刺刺激激和和相相互互制制约约构构成成一一个个动动态态平平衡衡的的网网络络结结构构。构构成成相相互互刺刺激激和和相相互互制制约约的的物物质质基础是独特型和抗独特型。基础是独特型和抗独特型。独特型网络模型独特型网络模型龚涛智能系统控制 独独特特型型网网络络实实质质上上是是建建立立在在独独特特型型和和抗抗独独特特型型细细胞胞克克隆隆的的相相互互作作用用上上，因因而而可可以以认认为为免免疫疫系系统统由由两两套套细细胞胞组组成成：一一套套是是具具有有独独特特型型并并识识别别抗抗原原的的淋淋巴巴细细胞胞，也也就就是是网网络络中中的的第第一一层层细细胞胞Ab1细细胞胞；另另一一套套是是识识别别独独特特型型的的淋淋巴巴细细胞胞，它它们们是是网网络络中中的的第第二二层层细细胞胞Ab2细细胞胞，是是抗抗独独特特型型细细胞胞，或或称称之之为为“独独特特型型特特异异的的细细胞胞”。第第一一层层的的Ab1细细胞胞，就就是是能能和和抗抗原原结结合合反反应应的的T细细胞胞、B细细胞胞。第第二二层层的的Ab2细细胞胞，包包括括Ab2 B细细胞胞（结结合合独独特特型型或或分分泌泌抗抗独独特特型型的的B细细胞胞）和和Ab2 T细细胞胞（识别或结合独特型的（识别或结合独特型的T细胞）细胞）独特型网络模型独特型网络模型龚涛智能系统控制Jerne的的网网络络学学说说奠奠定定了了用用整整体体的的、联联系系的的观观点点解解释释免免疫疫调调节节和和免免疫疫现现象象的的基基本本思思想想，以以此此免免疫疫学学说说为为基基础础，Richter、Hoffmann等等又又加加以以修修改改补充提出了新的网络模型。补充提出了新的网络模型。Richter把各种不同的克隆称为功能单位，以把各种不同的克隆称为功能单位，以Ab0、Ab1、Ab2、Ab3等表示，等表示，每一个克隆包括每一个克隆包括T细胞、细胞、B细胞、抗体分子及细胞、抗体分子及T细胞因子。细胞因子。Ab1识别外源性识别外源性抗原决定基（抗原决定基（Ag1），），Ab2识别识别Ab1的的Id，Ab3识识别别Ab2的的Id，以此类推。，以此类推。独特型网络模型独特型网络模型龚涛智能系统控制独特型网络模型独特型网络模型图图2 免疫网络的结构图免疫网络的结构图 龚涛智能系统控制鉴于目前抗体之间大规模的联接还没有用实验论鉴于目前抗体之间大规模的联接还没有用实验论证，但已发现免疫系统是通过抗体之间证，但已发现免疫系统是通过抗体之间4个或个或5个个链来成功地维持着生物组织，这个发现说明免疫链来成功地维持着生物组织，这个发现说明免疫系统能利用局部的连接来维持生物组织的正常工系统能利用局部的连接来维持生物组织的正常工作，也就是说，免疫系统能通过多个完成某一特作，也就是说，免疫系统能通过多个完成某一特定任务的局部免疫网络（定任务的局部免疫网络（LIN）之间的相互通讯）之间的相互通讯来形成大规模免疫网络，从而表现出它的显著能来形成大规模免疫网络，从而表现出它的显著能力，这就是力，这就是Ishiguro等提出的互联耦合免疫网络模等提出的互联耦合免疫网络模型。互联耦合免疫网络学说如图型。互联耦合免疫网络学说如图3所示。所示。互联耦合免疫网络互联耦合免疫网络 龚涛智能系统控制图图3 互联耦合免疫网络学说互联耦合免疫网络学说互联耦合免疫网络互联耦合免疫网络 龚涛智能系统控制免疫系统对外来抗原的应答是建立在识别自身抗原基免疫系统对外来抗原的应答是建立在识别自身抗原基础上的反应，当我们考虑系统对特定抗原的响应时，础上的反应，当我们考虑系统对特定抗原的响应时，我们不仅要考虑相应的抗体，而且要考虑抗抗体等。我们不仅要考虑相应的抗体，而且要考虑抗抗体等。Hoffmann根据免疫网络学说提出了对称网络模型。为根据免疫网络学说提出了对称网络模型。为了使问题容易处理，我们认为只有两类主要的淋巴细了使问题容易处理，我们认为只有两类主要的淋巴细胞响应特异性抗原的攻击。第一类为正集合或称结合胞响应特异性抗原的攻击。第一类为正集合或称结合抗原的抗体集合，用抗原的抗体集合，用T和和B分别表示分别表示T细胞和细胞和B细胞，细胞，该类细胞具有独特型，能识别抗原，与抗原结合并反该类细胞具有独特型，能识别抗原，与抗原结合并反应。第二类为负集合或称抗独特型集合，用应。第二类为负集合或称抗独特型集合，用T和和B分别表示抗独特型的分别表示抗独特型的T细胞和细胞和B细胞，该类细胞能识别细胞，该类细胞能识别独特型。独特型。对称网络模型对称网络模型 龚涛智能系统控制从从对对称称网网络络可可得得出出包包括括有有T、T、B和和B细细胞胞的的系系统统有有四四种种稳稳定定的的状状态态，它它们们分分别别为为初初始始状状态态、抑抑制制状状态态、免免疫疫状状态态及及抗抗免免疫疫状状态态，如如图图4所所示示。初初始始状状态态为为正正、负负集集合合中中细细胞胞的的数数量量较较少少时时的的对对称称状状态态，正正集集合合的的细细胞胞抗抗体体杀杀死死负负集集合合细细胞胞，负负集集合合的的细细胞胞抗抗体体杀杀死死正正集集合合细细胞胞，即即不不断断的的相相互互杀杀死死。在在抑抑制制状状态态下下，正正负负集集合合中中细细胞胞的的数数量量都都不不断断增增多多，主主要要受受T细细胞胞因因子子的的抑抑制制作作用用影影响响。在在免免疫疫状状态态下下，正正集集合合中中的的细细胞胞数数量量较较多多，正正集集合合中中的的细细胞胞抗抗体体消消除除负负细细胞胞。就就抗抗原原刺刺激激方方面面来来讲讲它它是是应应答答状状态态，由由于于正正细细胞胞不不再再受受到到负负细细胞胞数数量量的的限限制制。在在抗抗免免疫疫状状态态下下，负负集集合合的的细细胞胞抗抗体体消消除除正正集集合合中中的的细细胞胞，为为免免疫疫状状态态的的反反向向状状态态，因而是反向应答状态。因而是反向应答状态。对称网络模型对称网络模型 龚涛智能系统控制对称网络模型对称网络模型 图图4 对称免疫系统网络理论的稳定状态图对称免疫系统网络理论的稳定状态图 龚涛智能系统控制多值网络模型多值网络模型 Tang提提出出了了一一种种基基于于免免疫疫应应答答原原理理的的多多值值网网络络模模型型。该该多多值值免免疫疫网网络络模模型型模模拟拟免免疫疫系系统统B细细胞胞和和T细细胞胞间间的的相相互互作作用用，具具有有与与免免疫疫系系统统极极其其类类似似的特性。的特性。系统操作系统操作龚涛智能系统控制首先，输入模式（首先，输入模式（Ag）输入到）输入到B细胞群细胞群体（体（N个细胞），输入模式的每一个点个细胞），输入模式的每一个点（二进制或多值）输入到相应的（二进制或多值）输入到相应的B细胞细胞层。衡量输入模式后递呈所有的层。衡量输入模式后递呈所有的T细胞细胞（M个细胞），这是抗原递呈，如图个细胞），这是抗原递呈，如图5所示。其中，所示。其中，为为B细细胞到细胞的连接权值胞到细胞的连接权值 多值网络模型多值网络模型 龚涛智能系统控制多值网络模型多值网络模型 图图5 B细胞到细胞的权值连接细胞到细胞的权值连接 龚涛智能系统控制5.4 免疫算法免疫算法 阴性选择算法阴性选择算法 学习算法学习算法 免疫进化算法免疫进化算法 克隆选择算法克隆选择算法 免疫免疫Agent算法算法 龚涛智能系统控制阴性选择算法阴性选择算法 基基于于免免疫疫系系统统的的自自体体/异异体体识识别别原原理理，Forrest等等开开发发了了一一种种用用于于检检测测数数据据改改变变的的阴阴性性选选择择算算法法。其其基基本本思思想想是是考考虑虑T细细胞胞表表面面有有能能检检测测异异物物（抗抗原原）的的接接收收器器，故故将将T细细胞胞用用于于其其识别部分。其算法可概括如下：识别部分。其算法可概括如下：步步骤骤1：定定义义一一组组长长度度为为 l 的的有有限限字字符符串串 S 表表示示“自自体体”；步步骤骤2：产产生生检检测测器器集集R，R 中中每每个个检检测测器器与与 S 中中的的串串都都不匹配；不匹配；步步骤骤3：通通过过不不断断地地将将 R 中中的的检检测测器器与与 S 进进行行比比较较来来监监控控 S 的改变。的改变。以以上上算算法法主主要要依依赖赖于于以以下下三三个个重重要要原原理理：（1）检检测测算算法法的的每每个个拷拷贝贝是是唯唯一一的的；（2）检检测测是是概概率率的的；（3）它它是是概概率率地地检检测测任任何何异异常常活活动动，而而不不是是寻寻找找特特定定的的已已知知改改变变模模式式的的鲁棒系统。鲁棒系统。龚涛智能系统控制学习算法学习算法 受受生生物物免免疫疫系系统统的的启启发发，Hunt和和Cooke开开发发了了一一种种AIS及及其其免免疫疫学学习习算算法法。该该AIS主主要要由由骨骨髓髓、B细细胞胞网网络络、抗抗原原和和抗抗体体等等组组成成，AIS的的许许多多处处理理包包含含在在B细细胞胞和和它它们们的的抗抗体体里里。B细细胞胞网网络络是是由由一一组组B细细胞胞实实现现，且且这这些些B细细胞胞之之间间相相互互联联接接。骨骨髓髓节节点点用用于于运运行行骨骨髓髓的的功功能能且且决决定定在在免免疫疫网网络络哪哪儿儿插插入入一一个个给给定定的的抗抗原原、哪哪个个B细细胞胞死死亡亡及及激激发一些新的细胞添加到免疫网络中。发一些新的细胞添加到免疫网络中。龚涛智能系统控制学习算法学习算法（1）初始化）初始化B细胞个体代；细胞个体代；（2）装载抗原群体；）装载抗原群体；（3）选择在）选择在B细胞个体中需要插入的抗原比例；细胞个体中需要插入的抗原比例；（4）从抗原群体中随机地选择抗原，按（）从抗原群体中随机地选择抗原，按（3）中的比例插入）中的比例插入 B细胞个体并产生免疫响应；细胞个体并产生免疫响应；（5）通过激励水平对）通过激励水平对B细胞排序；细胞排序；（6）去掉激励水平低的）去掉激励水平低的B细胞（占细胞（占B细胞总数的细胞总数的5）；）；（7）再产生）再产生n个新的个新的B细胞（占细胞（占B细胞总数的细胞总数的5）；）；（8）选择）选择m个新的个新的B细胞加入免疫网络（细胞加入免疫网络（m为为B细胞总数的细胞总数的5 ）；）；（9）满足要求结束，否则转至（）满足要求结束，否则转至（3）重复执行。）重复执行。龚涛智能系统控制免疫进化算法免疫进化算法 利用疫苗的免疫算法与免疫规划利用疫苗的免疫算法与免疫规划 免疫免疫系统系统免疫算法免疫算法免疫规划免疫规划抗原所求解的问题所求解的问题所所有有可可能能错错误误的的基基因因，即即非非最佳个体的基因最佳个体的基因抗体抗体求解问题的一种方案求解问题的一种方案根根据据疫疫苗苗修修正正某某个个个个体体基基因因所得到的新个体所得到的新个体疫苗疫苗针针对对具具体体问问题题所所提提取取的的最最基本的特征信息基本的特征信息根根据据进进化化环环境境或或待待求求解解问问题题的的先先验验知知识识，所所得得最最佳佳个个体体基因的估计基因的估计接种接种疫苗疫苗先先验验知知识识修修正正个个体体基基因因使使得得到到的的新新个个体体以以较较大大的的概概率具有更高的适应度率具有更高的适应度根根据据疫疫苗苗修修正正个个体体基基因因的的过过程程，消消除除原原来来在在新新个个体体产产生生时所带来的负面影响时所带来的负面影响龚涛智能系统控制免疫进化算法免疫进化算法 利用抗体多样性的免疫遗传算法利用抗体多样性的免疫遗传算法 在在标标准准的的进进化化算算法法中中，利利用用抗抗体体的的浓浓度度选选择择机机制制，实实现现抗抗体体间间刺刺激激和和抑抑制制的的作作用用关关系系，进进行行多多样样性性保保持持，改改善善未未成成熟熟收收敛敛，提提高高进进化化算算法法的的性性能能。在在传传统统的的适适应应度度比比例例机机制制的的基基础础上上，增增加加基基于于浓浓度度的的调节因子，个体的选择概率调节因子，个体的选择概率p p由适应度概率由适应度概率 和浓度抑制概率和浓度抑制概率 两部分组成：两部分组成：（1 1）其其中中，和和 是是调调节节常常数数，N N为为抗抗体体总总数数，为为抗抗体体浓浓度度。可可以以看看出出，个个体体的的适适应应度度越越大大，则则选选择择概概率率越越大大；而而个个体体浓浓度度越越大大，则则选选择择概概率率越越小小。这这样样，在在保保留留适适应应度度个个体体的的同同时时，进进一一步步确确保保个个体多样性，改善了早熟现象。体多样性，改善了早熟现象。龚涛智能系统控制免疫进化算法免疫进化算法（1）抗抗原原识识别别：抗抗原原对对应应于于免免疫疫遗遗传传算算法法所要解决的问题所要解决的问题（2）初初始始抗抗体体产产生生：初初始始抗抗体体对对应应于于问问题题的的候候选选解解。如如果果抗抗原原识识别别模模块块判判断断出出新新抗抗原原是是记记忆忆中中的的抗抗原原，则则从从记记忆忆细细胞胞中中取取出出相相应应的的抗抗体体组组成成免免疫疫遗遗传传算算法法的的初初始始群群体体，否否则则，随机产生初始群体随机产生初始群体（3）适应度计算：计算每个抗体的适应度）适应度计算：计算每个抗体的适应度龚涛智能系统控制免疫进化算法免疫进化算法（4）演演化化记记忆忆细细胞胞：如如果果抗抗原原是是新新抗抗原原，则则用用当当前前群群体体中中适适应应度度高高的的个个体体替替换换掉掉记记忆忆细细胞胞中中适适应应度度低低的的个个体体。否否则则，把把当当前前群群体体中中适应度高的个体加入到记忆细胞中适应度高的个体加入到记忆细胞中（5）抗抗体体的的促促进进和和抑抑制制：计计算算当当前前群群体体中中适适应应度度相相近近的的个个体体浓浓度度，浓浓度度高高则则减减小小该该个个体体的选择概率，反之则增加该个体的选择概率的选择概率，反之则增加该个体的选择概率（6）抗体产生：交叉和变异）抗体产生：交叉和变异龚涛智能系统控制免疫进化算法免疫进化算法 图图6 免疫遗传算法流程图免疫遗传算法流程图 龚涛智能系统控制基于免疫更新机制的遗传算法基于免疫更新机制的遗传算法 根根据据免免疫疫更更新新机机制制设设计计出出遗遗传传操操作作系系统统，我我们们称称之之为为基基于于免免疫疫更更新新机机制制的的遗遗传传算算法法（IRM-GA）基基于于免免疫疫更更新新机机制制的的遗遗传传算算法法与与传传统统遗遗传传算法的比较算法的比较 1）IRM-GA按按照照免免疫疫更更新新机机制制，随随机机地地从从前前代代抗抗体体群群中中选选取取任任意意多多个个抗抗体体，并并取取出出这这些些抗抗体体的的某某段段染染色色体体进进行行随随机机组组合合，生生成成新新的的抗抗体体。因因而而新新生生成成的的抗抗体体没没有有名名义义上上的的父父母母，具具有有很很好好的的多多样样性性，有有效效地地解解决决了了传传统统遗遗传传算算法法由由于于只只对对两两个个染染色色体体进进行行交交叉叉操操作作而而出出现现的的早早期期收收敛问题敛问题龚涛智能系统控制基于免疫更新机制的遗传算法基于免疫更新机制的遗传算法 2）IRM-GA把把目目的的函函数数与与制制约约条条件件作作为为抗抗原原，使使生生成成的的抗抗体体直直接接与与问问题题相相关关联联，收收敛敛方方向向能能得得以以控控制制，从从而而克克服服了了传统遗传算法收敛方向无法控制的缺陷传统遗传算法收敛方向无法控制的缺陷 3）IRM-GA对对遗遗传传子子进进行行分分段段编编码码，能能保保证证型型质质遗遗传传，并并使使抗抗体体遗遗传传子子能能对对应应多多值值染染色色体体，从从而而扩扩大大了了传传统统遗遗传传算算法的应用范围法的应用范围 4）IRM-GA中中的的潜潜在在更更新新个个体体必必须须经经过过两两次次亲亲和和度度测测试试才才能进入种群，使遗传操作对个体的选择更具针对性能进入种群，使遗传操作对个体的选择更具针对性 龚涛智能系统控制克隆选择算法克隆选择算法 基基于于克克隆隆选选择择理理论论和和亲亲和和力力成成熟熟过过程程可可提提出出一一种种克克隆隆选选择择算算法法，其其流流程程图图如如图图7所所示示。该该算算法法描描述述如下：如下：（1）产产生生候候选选解解集集P，P由由记记忆忆细细胞胞子子集集M和和保保持持数量集数量集 组成，即组成，即P M；（2）选择）选择n个最好的个体个最好的个体 ；（3）克克隆隆（2）中中的的 ，产产生生C个个个个体体，克克隆隆数数量量是抗原亲和力的递增函数；是抗原亲和力的递增函数；龚涛智能系统控制克隆选择算法克隆选择算法（4）克克隆隆的的数数量量与与超超变变异异有有关关，超超变变异异与与抗抗原原、抗抗体体之之间间的的亲亲和和力力成成正正比比，产产生生的的成成熟熟抗抗体体数数量量为为 ；（5）为为了了组组成成记记忆忆集集M，从从 中中再再次次选选择择改改进进的的个个体体，P的的一一些些元元素素将将被被改改进进的的 中中的的一一些些元元素素所所代代替；替；（6）为为了了产产生生多多样样性性，用用新新的的抗抗体体取取代代d个个抗抗体体，低亲和力的细胞将被取代。低亲和力的细胞将被取代。龚涛智能系统控制克隆选择算法克隆选择算法 用用克克隆隆选选择择算算法法可可解解决决多多模模型型及及组组合合优优化化问问题题，最最典典型型的的应应用用实实例例是是解解决决旅旅行行商商问问题题。同同时时，算法具有学习和好的记忆保持能力。算法具有学习和好的记忆保持能力。龚涛智能系统控制图图7 克隆选择算法克隆选择算法龚涛智能系统控制免疫免疫Agent算法算法 免免疫疫Agent（IA）除除继继承承了了广广义义Agent的的共共同同特特点点外外，还还具有以下个性特点：具有以下个性特点：（1）进进化化性性。IA在在系系统统中中发发挥挥作作用用时时也也同同样样具具有有进进化化特特性性，效效用用明明显显的的IA将将被被复复制制以以发发挥挥更更大大的的作作用用，作作用用不不明明显的显的IA将在多将在多Agent系统的进化过程中被淘汰系统的进化过程中被淘汰 （2）防防御御性性。IA的的这这个个重重要要特特性性对对于于建建立立基基于于IA的的复复杂杂控制系统的分布式状态监控和故障预报很有启发意义控制系统的分布式状态监控和故障预报很有启发意义 （3）记忆性。）记忆性。IA的独特的学习记忆特性可用于机器学习的独特的学习记忆特性可用于机器学习 （4）耐耐受受性性。IA的的耐耐受受性性对对于于维维持持Agent自自身身的的稳稳定定以以及多及多Agent系统的平衡具有重要意义系统的平衡具有重要意义龚涛智能系统控制Ishida等等基基于于免免疫疫系系统统的的局局部部记记忆忆学学说说和和免免疫疫网网络络学学说说提提出出了了基基于于Agent结结构构的的人人工工免免疫疫系系统统（B细细胞胞可可看看作作Agent），从从而而借借助助Agent的的技技术术设设计计人人工工免免疫疫系系统统及及其其IA算算法法。该该算算法法分分三三步步进进行：行：（1）多样性产生）多样性产生（2）自忍耐建立）自忍耐建立（3）记忆非己）记忆非己IA算算法法已已用用于于计计算算机机病病毒毒Agent的的进进化化和和网网络络防防御系统，还被用于噪声的自适应控制。御系统，还被用于噪声的自适应控制。免疫免疫Agent算法算法 龚涛智能系统控制免疫学习算法免疫学习算法以以上上AIS的的算算法法模模型型都都是是基基于于免免疫疫系系统统的的各各种种计计算算方方面面来来开开发发的的。免免疫疫系系统统是是以以一一种种完完全全分分布布