课程设计 老师修改的格式.doc

课程设计报告设计题目： 人工免疫系统最新进展 学 院： 电子工程学院 专 业： 电子信息工程 班 级： 020712 学 号： 0207115438 姓 名： 马国荣燕一松 电子邮件： guorongma_154wacy0607 日 期： 2010 年 12 月 成 绩： 指导教师： 马文萍 装订线 西 安 电 子 科 技 大 学电 子 工 程 学 院课 程 设 计 任 务 书 家庭局域网的最新发展动向人工免疫系统最新进展学生姓名 马国荣燕一松 指导教师 马文萍 职称 副教授 学生学号 0207115438 专业 电子信息工程 题目 家庭局域网的最新发展动向 人工免疫系统最新进展 任务与要求：评述人工免疫系统的历史、研究现状。着重论述人工免疫系统的机理、算法和应用，总结免疫算法的一般步骤。开始日期 2010 年 12 月19日 完成日期 2010年12月 22日 课程设计所在单位 智能所 本表格由电子工程学院网络信息中心 编辑录入 . 人工免疫系统的最新进展概述：人工免疫系统(AIS：Artificial Immune System)是根据免疫系统的机理、特征、原理开发的并能解决工程问题的计算或信息系统。AIS在不同的工程问题有不同的映射和定义，根据莫宏伟人工免疫系统原理与应用的定义，所谓 AIS就是借鉴和利用生物免疫系统(主要是人类的免疫系统)的各种原理和机制而发展的各类信息处理技术、计算技术及其在工程和科学中应用而产生的各种智能系统的统称。自然免疫系统是一种复杂的分布式信息处理学习系统，具有免疫防护、免疫耐受、免疫记忆、免疫监视功能，且有较强的自适应性、多样性、学习、识别和记忆等特点，其特点及机理所包含的丰富思想为工程问题的解决提供了新的契机，引起了国内外研究人员的广泛兴趣，它的应用领域也逐渐扩展到模式识别、智能优化、数据挖掘、机器人学、自动控制和故障诊断等诸多领域。AIS是继进化算法、模糊系统及神经网络之后又一研究热点。人工免疫系统的历史：1974年，诺贝尔奖获得者Jeme提出了免疫网络理论，为免疫计算奠定了基础。1986年，Perelson A.S和FamerJ.D首次给出了免疫网络的数学模型，并提出了一些算法构想。1994年，美国学者Forrest等人提出了否定选择算法，并将其运用到计算机网络入侵检测和异常检测。这些学者对人工免疫算法的早期研究为如今人工免疫系统理论和工程应用的快速发展做出了不可估量的贡献。从1997年开始，IEEE System,Man andCybernetics国际会议每年组织专门的人工免疫系统研讨会。还有GECCO(Geneticand Evolutionary Computation Conference)，CEC(Congress on EvolutionaryComputation)等国际会议也将人工免疫系统作为讨论的主题之一。许多国际期刊如Evolutionary Computation,IEEE Transaction on Evolutionary Computation等都将人工免疫系统作为重要议题。在2001年和2002年IEEE Transaction on EvolutionaryComputation还相继出版了人工免疫系统专辑。2002年9月在英国Kent大学成功召开了第一届人工免疫系统国际学术会议ICARIS(lst International Conference onArtificial Immune Systems)标志着人工免疫系统的研究发展进入了一个新的快速发展阶段。如今，人工免疫系统已成为继人工神经网络和遗传算法之后的又一新的人工智能研究热点。人工免疫系统的现状：目前，基于生物免疫系统机理设计开发的人工免疫系统的研究主要包括人工免疫网络模型和人工免疫算法两个方面。人工免疫网络模型主要是指在模拟细胞交互、免疫网络动态行为的基础上建立起来的各种网络模型，如独特型网络、抗体网络模型、多值免疫网络模型、免疫联想记忆模型和互联藕合网络模型等。免疫网络模型强调网络结构中各节点之间的信息通讯和相互作用，以及其所形成的动态平衡性是学者的关注点。人工免疫算法模拟生物免疫系统的识别、学习、进化等免疫原理和机制，针对不同应用领域设计出各种算法模型。由于人工免疫算法强调免疫系统的智能学习机制，人工免疫算法已成为人工免疫系统研究的主要组成部分。人工免疫系统的研究机理：1抗体的多样性原理抗体的多样性是免疫识别的基础。通常，免疫系统中抗体的种类数目要远小于外部抗原的种类数目，但经过免疫细胞历经较快的新陈代谢之后，免疫系统中出现了携带着新的抗体的新生细胞，同时，人体免疫机制确保这些新抗体随机均匀地散步在抗原空间中。显然，宏观上看，在一段时间内，免疫系统具有种类数目巨大的抗体，且均匀地分布在整个抗原空间，并逐步覆盖着整个抗原空间，完成对所有抗原的识别。有效的多样性生成机制能实现对众多类型的抗原的识别。抗体的多样性的生物机制主要包括抗体库的组合方式、体细胞高频变异及基因转换等。抗体经过抗体库的基因片段的重组，产生了多样性的抗原识别受体，保证了免疫系统中种类数目较少的抗体对种类数目较多的抗原的识别。2抗原与抗体的相互作用过程从宏观角度的来看，抗体产生的过程分为三个阶段。当抗原第一次进入机体时，需经一定的潜伏期才能产生抗体，且抗体产生的量也不多，在体内维持的时间也较短。当相同抗原第二次进入机体后，开始时，由于原有抗体中的一部分与再次进入的抗原结合，可使原有抗体量略为降低。随后，抗体数量迅速大量增加可比初次反应产生的多几倍到几十倍，在体内留存的时间亦较长。此外，由抗原刺激机体产生的抗体，经过一定时间后也可逐渐消失。此时若再次接触抗原，可使已消失的抗体快速上升，即特异性回忆反应；反之，则为非特异性回忆反应。从微观角度来看，抗体和抗原通过力或化学键相互作用。抗体单个结合部位与单个抗原的结合力称为亲和力。反映整个抗体分子与抗原之间总的结合力称为亲合力。在只有一个决定簇的抗原分子和一群只对这一决定簇具有特异性的抗体分子所组成的简化系统中，抗原浓度可用来衡量结合力或亲和力的大小。较小的抗原浓度意味着更大的亲和力。亲和力的大小同时取决于抗原和抗体两方面，特定的抗体分子对不同的相关抗原具有不同的亲和力。一个抗体分子的平均亲和力可通过重复免疫而增强，这一现象称为亲和力的成熟（affinity mutation）。3克隆选择原理克隆选择原理是免疫系统用来说明对抗原刺激所产生的免疫应答基本特征的，只有识别抗原的细胞才能进行克隆扩增。克隆选择学说的中心思想是，抗体是天然产物，以受体的形式存在于细胞表面，抗原可与之选择性地反应。抗原与相应抗体受体的反应可导致细胞克隆增殖该群体具有相同的抗体特异性，其中某些细胞克隆分化为抗体生成细胞，通过抗体基因频繁的变异和编辑，在经过免疫后得到改善度成熟。另一些形成免疫记忆细胞以参加之后的二次免疫反应。克隆选择是生物体免疫系统自适应抗原刺激的动态过程。这一过程中，所体现现的学习、记忆、抗体多样性等生物特性，正是人工免疫系统所借鉴的。人工免疫系统的几种基本算法：目前人工免疫算法的研究主要集中在对以下几个生物免疫特性或原理的模拟：免疫系统的“自己（Self）”、“非己（Non-Self）”识别，B细胞的高变异克隆、抗体生成的自适应促进及抑制、人工疫苗免疫的原理，从而形成相应的免疫算法模型：否定选择算法、克隆选择算法、疫苗免疫算法、免疫遗传算法等。1. 否定选择算法定义一个自体集合S随机生成候选检测器集合R计算每一个候选检测器与自体集合S中的所有元素进行匹配。若匹配成功则删除该候选检测器，否则将该检测器置于合格检测器集合中否定选择算法的理想情况是从模式空间中筛选出一组可以完全剔除掉所有正常模式的检测器。因此，通过以上耐受成熟过程的合格检测器集合不仅能够检测识别已知的异常模式，理论上还能够检测识别未知的“非己”。2. 克隆选择算法生成候选方案的一个集合P，它由记忆细胞M的子集和剩余群体Pr组成（P=M+Pr）。选择n个具有较高亲和力的个体。克隆这n个最好的个体，组成一个临时的克隆群体C。与抗原的亲和力越高，个体在克隆时的规模也就越大。把克隆群体提交到高频变异，根据亲和力的大小决定变异。产生一个成熟的抗体群体C*。对C*进行再选择，组成记忆细胞集合M。P中的一些成员可以被C*中的其它一些改进的成员替换掉。生成d个新的抗体取代P中d个低亲和力的抗体，保持多样性。3. 疫苗免疫算法1)免疫算子：由“接种疫苗”和“免疫选择”两个操作步骤组成。2)疫苗(Vaccine)：根据进化环境或待求问题的先验知识，得到的对最佳个体基因的估计。3)接种疫苗(Vaccination)：根据疫苗修正个体基因的过程即为接种疫苗，其目的是消除抗原在新个体产生时所带来的负面影响。设有一个体x，给其接种疫苗是指按照先验知识来修改个体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。4)免疫选择：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，说明在交叉、变异的过程中出现了严重的退化现象。这时，该个体将被父代中所对应的个体取代；第二步是退火选择，即在目前的子代群体中以某一概率选择某个体进入新的父代群体。4. 免疫遗传算法抗体的浓度概率（或简称）是指与某一抗体相同或相似的抗体占整个抗体群体的比例。抗体生成的促进是指该抗体被选择的概率得到提升，而抗体生成的抑制是指降低抗体的选择概率。抗体的适应度高而浓度低，则被促进；适应度低而浓度高则被抑制。该算法采用基于抗体适应度和抗体浓度进行控制的遗传进化方式，使得高适应度的超级个体在群体中的扩散速度被有效控制，从而有助于避免传统遗传算法所固有的“早熟”问题，具有较强的全局优化能力。人工免疫系统的应用：近年来，各种人工免疫模型和算法已应用于许多工程领域中的复杂问题，这些问题通常是传统理论和方法无法解决的。1自动控制现代自动控制理论研究中一个重要的领域就是设计控制系统的鲁棒性，即当一个控制系统中的参数发生摄动时系统仍能保持正常工作，就像人在受到外界病菌的感染后，能够通过自身的免疫系统恢复健康一样。生物免疫系统具有的天然鲁棒性，使许多学者开始研究基于免疫的控制方法，为现代控制工程的发展提供了新的方向。主要的研究方向有Bersini为代表的自适应控制、Ootsuki为代表的顺序控制、以及Ishiguro的机器人行为控制。2数据挖掘在人工智能的研究中，知识的自动获取是一个关键，数据挖掘技术是解决这一关键的主要方案。数据挖掘旨在从大量的数据中寻找隐含的层次的信息，是一个从系统内部自动获取知识的过程，免疫系统强大的信息处理能力也可用于数据挖掘。1999年，Timmis等人比较了人工免疫网络、聚类分析和神经网络3种方法在数据挖掘中的应用和各自的特点，指出应用人工免疫系统进行数据挖掘可对训练数据进行建模，对输入空间的大区域有泛化能力，并能对得到的进化的网络提供更好的解释，获取更多的有用信息。3计算机安全与计算机系统遇到的各种病毒、非法入侵等计算机安全问题与生物免疫系统遇到的问题十分相似。因此可以借鉴生物免疫系统的“自己”、“非己”识别方式来解决计算机安全问题。在计算机入侵检测和病毒检测方面开创性的研究是Forrest的否定选择算法。随后Kim等人提出了一种结合多种免疫机制的基于人工免疫多代理入侵检测模型。4故障监测和诊断D Dasgupta等将人工免疫系统用于工业中，进行加工工具破损监测。刘树林等受生物免疫系统自己一非己识别过程的启发提出了反面选择算法，在故障诊断应用领域中改进了反面选择算法，提出了对旋转机械在线故障诊断的新方法杜海峰等还将ART-人工免疫网络用于解决多级往复式压缩机故障诊断效果良好。5图像处理图象处理D F McCoy(1997)等将人工免疫系统用于图象分割。王肇捷等为了得到最佳视差图，将免疫算法用于解决计算机视觉中的立体匹配；与基于像素点灰度匹配相比，免疫算法的匹配效果好；与模拟退火匹配相比，虽然都能得到全局最优的视差图，但免疫算法的匹配速度快。6智能优化许多的工程问题都能抽象成优化问题。作为一种智能优化搜索策略，人工免疫算法在函数优化、组合优化、调度问题等许多方面都得到了应用并取得了很好的效果。抗体对抗原的识别和随后的进化过程实质上是一种生物搜索和优化过程通过借鉴免疫系统高效的多样化抗体产生和保持机制可以建立高效的搜索和优化算法。在优化问题求解中，各种基于免疫原理的人工免疫算法展示了良好的性能，通常情况下，免疫算法都取得了比传统的启发式算法更好的求解结果，尤其在求解的效率方面，显示出人工免疫系统在智能优化领域具有广阔的应用前景。除了上述几个方面的应用，人工免疫算法在模式识别、联想记忆、机器学习、智能建筑等诸多领域也都有相应的应用。由于人工免疫算法独具的分布式、自适应、自组织系统特性以及其在解决实际问题尤其是复杂问题时所体现出来的鲁棒性和高效性，使之成为一个具有较强实用价值的研究方向。人工免疫算法的一般步骤：人工免疫算法一般可以大致分为以下几个基本步骤：1）定义抗原：通常是将待解决的问题或可以达到的最优处理结果抽象成为人工免疫算法的抗原。2）定义抗体：可以将待求解问题的解空间中的一个点（或者说一个解决方案）对应为人工免疫算法的一个抗体。3）生成初始抗体群体：一般采用和遗传算法类似的方法，随机产生初始抗体群体。4）计算亲和力：亲和力包括抗体对抗原的亲和力，以及抗体和抗体之间的亲和力两种类型。亲和力通常用以表达抗体对抗原或其它抗体的匹配程度或相似程度，是反映抗体的优劣程度的一种评价值，是指导抗体进化发展的重要指标。5）计算浓度或多样度：抗体的浓度或多样度主要用于评估群体中模式的丰富程度，为算法后续的免疫行为（操作）提供指导依据。6）各种免疫行为（操作）：这些免疫行为（操作）主要包括选择、克隆变异、自体耐受、抗体补充等。这些免疫行为（操作）通常要考虑抗体的的亲和力和浓度（或多样度）等指标，作为其行动（或操作）的指导（或参数）。其中，选择操作通常是指从群体中选出一个或一些抗体进入下一步的免疫操作或进入下一代的抗体群体。克隆变异通常是人工免疫算法产生新抗体的主要方式。自体耐受则是对抗体的存在合理性进行判断的过程。抗体补充则是补充群体模式的辅助手段。7）终止条件检查：判断抗体群体是否已经达到亲和力成熟，成功识别抗原目标。是则结束算法运行，否则组织新一代抗体群体转到第4步，重新开始新一轮的迭代过程直到满足算法终止条件为止。