《人工免疫系统理论、算法及应用研究》由会员分享，可在线阅读，更多相关《人工免疫系统理论、算法及应用研究（144页珍藏版）》请在金锄头文库上搜索。
1、 学校代码：1 0 3 5 7 学 号： E200601009 人工免疫系统理论、算法及应用研究人工免疫系统理论、算法及应用研究 Research on Theories, Algorithms and Applications Inspired by Immune System 姓姓 名名 方贤进方贤进 学科专业学科专业 计算机应用技术计算机应用技术 研究方向研究方向 智能软件智能软件 指导教师指导教师 李龙澍李龙澍 教授教授 完成时间完成时间 2009 年年 11 月月 Research on Theories, Algorithms and Applications Inspired b
2、y Immune System A Dissertation Submitted to Anhui University in Partial Fulfillment of the Requirements for the Degree of Doctor of Philosophy in Computer Application Technology By Fang Xianjin October 2009 Hefei, P. R. China 摘摘 要要 随着现代生物学和医学的发展，生物免疫学的研究得到了极大拓展，同时 也使免疫学产生了许多交叉学科。近年来，计算机科学和其它工程科学与免疫
3、学交叉研究逐渐成为国际研究领域的一个新方向，而且，应用计算机对免疫系 统及其各种机体功能与特征行为进行数学建模，更易于分析和解释各种免疫现 象的内在机理。另一方面，免疫系统的许多功能特点和作用机理对工程应用中 许多复杂问题求解有重要启示和借鉴作用。 受免疫系统功能机理的启发以及解决复杂问题的实际需要，产生了人工免 疫系统（Artificial Immune System, AIS） 。人工免疫系统是受生物免疫系统的理 论和模型启示，根据观察到的免疫功能、原理和模型，用来解决复杂问题的一 种智能方法。人工免疫系统提供了新颖的解决问题的方法和途径，目前其研究 成果涉及控制、数据处理、机器学习、组合
4、优化、故障诊断、计算机安全等许 多领域，已经成为继神经网络、进化计算之后自然计算的又一研究热点。 一方面， 由于人工免疫系统是一门新的学科分支， 有关人工免疫系统理论、 算法的研究成果并不太多，主要有基于免疫网络学说的人工免疫网络模型、基 于免疫特异性的负选择算法、基于克隆选择学说的克隆选择算法。另一方面， 由于对生物免疫机理的认识还不十分深入，对人工免疫系统的研究存在着诸多 挑战，主要包括（1）对人工免疫系统的研究陷入了僵局，缺乏创造性的思想； （2）缺乏对人工免疫系统的理论基础研究； （3）应该将免疫系统与生物体的其 它系统特别是神经网络系统和内分泌系统集成与交互，开发出新的人工免疫系 统
5、算法； （4）为了对生物免疫系统进行更深入地研究，应该与生物免疫学者、 数学家做更多的交流，采用特殊的实验，建立有用的模型，以此作为抽象成有 效算法的基础。 鉴于以上原因，本论文主要做了以下几个方面的研究工作： 1 首先研究了当前生物免疫学的研究进展和取得的成果， 包括免疫系统组 成、免疫系统原理以及当前最新的理论免疫学说和模型。其次，研究了建立人 工免疫系统的一般框架、人工免疫系统的体系结构，以及当前基于自适应免疫 系统的三大主要算法：负选择算法、克隆选择算法和免疫网络算法。 - I - 2 克隆选择算法已经广泛地应用于计算智能领域， 而针对克隆选择算法理 论方面的分析和研究工作相对较少，因
6、此本文采用了与研究遗传算法相似的方 法，研究了克隆选择的收敛属性，推导出克隆选择算法在求解优化问题时，收 敛到全局最优解的充分条件。并且更进一步地研究了一般克隆选择算法概率性 收敛的属性， 即在某一固定概率下算法保证找到最优解所需要的进化代数上界。 论文还对克隆选择算法与遗传算法在某一固定概率 下，保证找到最优解所需 要的进化代数上界随变异概率 变化的情况进行了比较，并得到了一些相关的 结论。 3 将生物医学中疫苗的提取和接种疫苗技术进行了抽象和建模， 以此为基 础提出了疫苗的概念、疫苗的提取算法和接种疫苗算子。并将接种疫苗算子、 疫苗库进化操作和一般克隆选择算法进行结合来实现对一般克隆算法的
7、改进， 其目标是实现种群中抗体之间的交互，提高克隆选择算法的搜索效率, 加快其 收敛速度, 促进抗体群亲和力成熟。论文也对改进后算法的计算效率和时间复 杂度进行了分析。改进的克隆选择算法与 De Castro 提出的 CLONALG 算法分 别用于二进制字符模式识别实验，实验比较的结果表明基于接种疫苗的克隆选 择算法具有较高的执行效率。 4研究了生物免疫系统中的危险理论（Danger Theory）以及先天性免疫 系统中的一种重要的抗原呈递细胞（APC）树突细胞（Dendritic Cells，简 称DCs）的生物学行为特征，在此基础上对DCs的行为进行抽象建模，然后形 成了基于DCs的算法D
8、CA（Dendritic Cells Algorithm） 。论文研究了DCA算法各 种参数的变化对算法的敏感程度即这些参数的改变对算法的异常检测性能的影 响。在Linux操作系统中的基于DCA的端口扫描异常检测实验结果表明DCA算 法对这些参数的变化是不敏感的，表明了DCA的健壮性。另外论文也研究了 DCA的信号处理机制中权值的变化对算法异常检测性能的影响， 基于DCA的端 口扫描异常检测实验表明，在对异常进程进行检测时，其对信号处理权值的变 化具有健壮性；但对正常进程检测时不正确的权值选择可能会导致较大的 MCAV值（Mature Context Antigen Value，成熟背景抗原值
9、）的背离。 关键词关键词：人工免疫系统；克隆选择算法；接种疫苗；收敛性；危险理论；树 突细胞算法 - II - Abstract With the development of biology and medicine, the investigations regarding biological immunology has been exploited significantly, which resulted in the evolution of related fields and cross subjects. Recently, the research of integrat
10、ing computer science and other engineering science with immunology has become hotspot in international research communities. Furthermore, the approach to model the immune system and its various functions or mechanisms using computer technologies is more beneficial to analyze and interpret the essent
11、ial of diverse immune phenomena. On the other hand, the solutions for many complex problems in engineering application domain are inspired significantly by the features and mechanisms of immune system. In the context of the inspiration by immune system mechanisms and the practical necessity of solvi
12、ng complex problems, the artificial immune system (AIS) is created by computer scientists. Artificial immune system is an adaptive systems and an artificial Intelligence method, inspired by theoretical immunology and observed immune functions, principles and models, which are applied to problem solv
13、ing. At present, the AIS applications have related to control, data processing, machine learning, combination optimization, malfunction diagnosis, computer security and etc. Artificial immune system has become a novel research hotspot in nature-inspired computation field after artificial neural netw
14、ork and evolutionary computation. On the one hand, there are not sufficient theories and algorithms about AIS because it is a new subject branch. At present, there are the artificial immune network model based on the immune network theory, the negative selection algorithm based on immune specializat
15、ion and clonal selection algorithm based on clonal selection theory. On the other hand, because of a limited view of the immune system, there exist many challenges for AIS, which includes: (1) the AIS field has reached an impasse due to the lack of innovative notions; (2) the lack of theoretical - I
16、II - underpinning in AIS field; (3) attention should not only be paid to the potential of the immune system as inspiration, but also other systems with which the immune system interacts, in particular the neural systems and endocrine systems. So the novel AIS algorithms may be developed; (4) it is time to greatly interact with immunologists and mathematicians to undertake specific experimentations in order to view the immune system deeply, and create useful models, all of which c
