基于免疫系統(tǒng)的優(yōu)化算法、模型及其應(yīng)用研究.pdf

1、摘要摘要人工免疫系統(tǒng)是一門基于生物免疫學(xué)、計算機科學(xué)的交叉學(xué)科，是計算智能領(lǐng)域一個新的研究熱點。本文在人工免疫算法、免疫系統(tǒng)模型及應(yīng)用方面做了一些研究工作，主要創(chuàng)新可歸納為以下幾個方面:1.受生物免疫系統(tǒng)的“針對一種抗原免疫系統(tǒng)能通過克隆選擇產(chǎn)生多種抗體”機制的啟發(fā)，提出了兩種適用于多模態(tài)函數(shù)優(yōu)化的免疫算法:小生境克隆選擇算法(NCSA)和基于聚類的小生境克隆選擇算法(CNCSA).(1)小生境克隆選擇算法是利用小生境技術(shù)、記憶算子、梯

2、度算子、抑制算子對經(jīng)典的克隆選擇算法改進(jìn)而形成的一種智能算法。從理論上證明了該算法具有完全收斂性。同時，通過與CLONALG算法進(jìn)行大量仿真對比進(jìn)一步表明，NCSA不僅具有完全收斂性，并且具有搜索效率高，穩(wěn)定性好等優(yōu)點。(2)基于聚類的小生境克隆選擇算法是針對小生境克隆選擇算法計算復(fù)雜、參數(shù)設(shè)置困難等缺點而提出的。新算法刪除了計算復(fù)雜度較大的抑制算子，引入聚類算子，并對算法的部分流程進(jìn)行了調(diào)整.新算法不僅計算復(fù)雜度降低，而且無需預(yù)知峰的

3、個數(shù)等先驗知識，僅根據(jù)樣本數(shù)據(jù)即可找到全部峰值點。仿真實驗驗證了CNCSA的完全收斂性并且通過與小生境克隆選擇算法的對比實驗證明:在相同的實驗條件下，CNCSA的執(zhí)行時間比NSCA明顯降低.2.在免疫系統(tǒng)模型研究方面，對利用“復(fù)雜網(wǎng)絡(luò)”理論建立免疫系統(tǒng)模型進(jìn)行了探討，為免疫系統(tǒng)的不同機制建立了相應(yīng)的復(fù)雜網(wǎng)絡(luò)模型。模型為研究生物免疫系統(tǒng)提供了理論工具，為人工免疫系統(tǒng)學(xué)科提供了新的研究方法。文中給出了三個相關(guān)模型:(1)基于BA網(wǎng)絡(luò)的克隆選

4、擇模型:它是克隆選擇學(xué)說的復(fù)雜網(wǎng)絡(luò)模型。它描述了免疫系統(tǒng)在面臨抗原入侵時抗體細(xì)胞的變化規(guī)律。(2)基于ER模型的獨特型網(wǎng)絡(luò)模型:它是獨特型網(wǎng)絡(luò)學(xué)說的復(fù)雜網(wǎng)絡(luò)模型。該模型描述了在沒有外部抗原入侵時免疫細(xì)胞內(nèi)部的調(diào)節(jié)機制。(3)基于“種群”的免疫系統(tǒng)模型:它是免疫系統(tǒng)的復(fù)雜網(wǎng)絡(luò)模型。該模型有兩層:第一層是“種群層”，該層采用ER模型的運算規(guī)則，對應(yīng)著“獨特型網(wǎng)絡(luò)學(xué)說”第二層普通節(jié)點層，該層采用BA網(wǎng)絡(luò)的運算規(guī)則，對應(yīng)著“克隆選擇學(xué)說”。模型

5、描述了“當(dāng)有抗原入侵時，抗體細(xì)胞進(jìn)行克隆選擇，產(chǎn)生高親AbstractAbstractArtificialImmuneSystem(AIS)isanacrossstudyfieldofbiologyinununologyandcomputerscience.Itisanewresearchhotpointinthecomputationalintelligence.Thisthesismainlyfocusesontheimmuneal

6、gorithmimmunesystemmodalsandtheirapplications.Themaincontentsandcontributionsofthisthesisareasfollowing:1.Inspiredbythebiologyimmunemechanism:through“clonalselection“theimmunesystemgeneratesmultitypeantibodiesforonetypeo

7、fantigenthisthesisproposestwotypesofimmunealgorithmsformultimodalfunctionoptimization:NicheClonalSelectionAlgorithm(NCSA)andClusterbasedNicheClonalSelectionAlgorithm(CNCSA)(1)NCSAisanimprovedalgorithmofthetypicalClonalSe

8、lectionAlgorithmutilizingnichetechnologymemoryoperatorgradientoperatorandrestrainoperator.ThecompleteconvergenceofNCSAisprovedintheoryandthecontrasttestswithCLONALGvalidatethetheoryconclusionandshowthehigheficiencyandsta

9、bilityofNCSAformultimodalfunctionoptimization.(2)ClusterbasedNicheClonalSelectionAlgorithm(CNCSA)isanimprovedalgorithmforthedisadvantagesofNCSAwhichincludesthehighcomputationcomplexandthedificultiesinparameterseting.Ther

10、estrainoperatorwithhighcomputationcomplexityisremovedaclusteroperatorisimportedandthealgorithmflowsisreconstructed.ThoseimprovementsnotonlydecreasesthecomputationcomplexityofCNCSAsharplybutalsomakeCNCSAfindallthepeaksjus

11、tfromthesampledatawithoutanyforeknownconditionssuchasthenumberofthepeaks.ThesimulationtestsvalidatethemultimodalconvergenceoftheCNCSAandthecontrasttestswiththeNSCAshowthat:comparedwiththeNSCAtheexecutedtimeofCNCSAisreduc

12、edobviouslyatthesametestconditions.2.Intheimmunesystemmodelaspectthethesisconstitutedtheimmunesystemmodelsusingthecomplexnetworktheory.Thisthesisestablishesdiferentcomplexnetworkmodelsfordiferentimmuneprinciples.Thosemod