【正文】 的克隆選擇和人工免疫網(wǎng)絡(luò)算法的基礎(chǔ)上，采用了Agent 的思想， 提出了 一種 鄰域 克隆選擇學(xué)習(xí)的 全局優(yōu)化 算法（ N Clonalg） 。 N Clonalg 通過(guò)定義網(wǎng)格化的鄰域操作環(huán)境，使每個(gè)個(gè)體完成全局 局部的搜索操作。利用這一思維，更好地進(jìn)行了分餾系統(tǒng)資源優(yōu)化的進(jìn)行，更加快捷有效。 Multimodal optimization。 與傳統(tǒng) 的 優(yōu)化技術(shù)相比，一些智能進(jìn)化算法如：遺傳、模擬退火和禁忌搜索等雖然通用性強(qiáng)、能并行處理及最終能收斂到全局最優(yōu)解等優(yōu)點(diǎn) [1]。因此，生物免疫系統(tǒng) 具有整體、局部搜索能力強(qiáng)的特點(diǎn) [2]。本課題中利用的是神經(jīng)網(wǎng)絡(luò)能逼近非線(xiàn)性對(duì)象這一特點(diǎn)，將 rbf 神經(jīng)網(wǎng)絡(luò)和 鄰域 克隆選擇學(xué)習(xí)算法（ N Clonalg)結(jié)合，對(duì)分餾系統(tǒng)進(jìn)行資源優(yōu)化。也就是當(dāng)生物系統(tǒng)中受到外界病毒侵害，自身免疫系統(tǒng)就被激活，從而使整個(gè)生物系統(tǒng)正常運(yùn)行。人工免疫系統(tǒng)也成為人工智能的嶄新分支。十九世紀(jì)末，著名科學(xué)家 Hunt 對(duì)克隆選擇原理進(jìn)一寧波大學(xué)信息與科學(xué)工程學(xué)院本科畢業(yè)設(shè)計(jì)（ 論文） 步研究，提出另一新的學(xué)說(shuō)，高頻變異學(xué)說(shuō)。 后來(lái)在十九世紀(jì)末，在美國(guó)召開(kāi)人工免疫系統(tǒng)專(zhuān)題會(huì)議，人 們對(duì)免疫系統(tǒng)的興趣越來(lái)越大。 于此同時(shí)， IBM 公司也開(kāi)始對(duì)計(jì)算機(jī)免疫系統(tǒng)進(jìn)行研究，也因此同時(shí)研發(fā)出了用于病毒防護(hù)的計(jì)算機(jī)免疫系統(tǒng)。 免疫算法的應(yīng)用和研究前景 人工免疫算法在很多領(lǐng)域都有應(yīng)用，且得到很大顯著成效。 （ 2） 組合優(yōu)化 二十一世紀(jì)初， De Castro 提出一個(gè)關(guān)于克隆選擇算法的建議框架，并將其應(yīng)用到組合優(yōu)化問(wèn)題的求解 [9]。 （ 3） 圖像處理 圖像處理中，最佳視差圖是很重要的一點(diǎn)。國(guó)內(nèi) 焦李成 等人在這方面成果顯著，在原來(lái)國(guó)外成果的基礎(chǔ)上。在數(shù)據(jù)分析這一領(lǐng)域，免疫算法越來(lái)越被重視，且被應(yīng)用到。免疫算法也更多地應(yīng)用到機(jī)器人身上。 本課題的研究?jī)?nèi)容和研究目標(biāo) 研究?jī)?nèi)容： （ 1）了解免疫算法的原理和特征，對(duì)免疫算法有一個(gè)大致的掌握。著重于神經(jīng)網(wǎng)絡(luò)能逼近非線(xiàn)性對(duì) 象這一特性，掌握和學(xué)習(xí) rbf 神經(jīng)網(wǎng)絡(luò)。 寧波大學(xué)信息與科學(xué)工程學(xué)院本科畢業(yè)設(shè)計(jì)（ 論文） 2 免疫算法的基本理論 免疫算法基礎(chǔ) “免疫”顧名思義就是免除傳染病的意思，這詞最初見(jiàn)于明朝時(shí)期的《免疫類(lèi)方》一文。這些都是屬于生物學(xué)范疇。 一般的免疫系統(tǒng)包括免疫器官、免疫細(xì)胞和免疫分子。自從那時(shí)開(kāi)始，生物學(xué)不斷發(fā)展，且取得巨大成就。 免疫系統(tǒng)構(gòu)成 高等動(dòng)物和人類(lèi)具有一套完整的免疫系統(tǒng)，其免疫功能是機(jī)體產(chǎn)生反應(yīng)的物理基礎(chǔ)。 免疫細(xì)胞主要由四方面組成：干細(xì)胞系、淋巴細(xì)胞系、單核吞噬細(xì)胞系和其他細(xì)胞系。 免疫系統(tǒng)的主要功能 免疫反應(yīng)是人的特定的生理反應(yīng)， 當(dāng)抗原性異物侵入到身體時(shí)，為了保持自身的穩(wěn)定作出的免疫反應(yīng)。與相應(yīng)的受體抗原的淋巴細(xì)胞進(jìn)入人體后，其表面抗原受體特異性結(jié)合，導(dǎo)致克隆淋巴細(xì)胞活化，繁殖，分化，引起特異性免疫反應(yīng)。免疫反應(yīng)可以表示為兩種類(lèi)型：一 方面 是陽(yáng)性免疫反應(yīng)，在正常情況下，非自身抗原的排斥作用 。這是另一種重要的免疫反應(yīng)類(lèi)型，其表現(xiàn)之一，而不是一個(gè)積極的免疫反應(yīng)，免疫調(diào)節(jié)，但也有各種非特異性免疫抑制，后者的抗原特異性，多種抗原表現(xiàn)出反應(yīng)或低響應(yīng)。在以下幾個(gè)方面的免疫耐受的一般特征： ① 特定的排斥或抑制抗原特異性 T 細(xì)胞或 B 細(xì)胞免疫耐受 。在免疫記憶現(xiàn)象可以發(fā)生在體液免疫或細(xì)胞免疫功能。正常情況下，遺傳算法，精英和免疫遺傳算法的多模態(tài)函數(shù)的最大峰值與精英只搜索幾個(gè)峰值搜索無(wú)能為力。簡(jiǎn)而言之：當(dāng)一 種抗體來(lái)識(shí)別外來(lái)抗原，它被選擇的增殖，并產(chǎn)生大量的抗體。 20xx年， 卡斯特羅和馮氐提出克隆選擇算法， CLONALG 命名。在這里，我強(qiáng)調(diào)克隆選擇理論和算法，其優(yōu)點(diǎn)和缺點(diǎn)。 克隆選擇的原理： 克隆選擇原理的基本思想是唯一的細(xì)胞能夠識(shí)別抗原擴(kuò)增，只有這些細(xì)胞可以選擇保留，而那些無(wú)法識(shí)別細(xì)胞中的抗原沒(méi)有選擇，也不擴(kuò)增。在免疫系統(tǒng)的 B 細(xì)胞受體，可以用一個(gè) n 維實(shí)向量描述的形狀，它可以 表示為 n 維歐幾里德空間，說(shuō)空間是歐幾里德形狀空間。 B 細(xì)胞克隆擴(kuò)增和工頻磁場(chǎng)的變化，在空間 B 細(xì)胞的形狀，產(chǎn)生一個(gè)子搜索在當(dāng)?shù)?，高親和力 B 細(xì)胞的數(shù)量。 ④ 一 些低親和力 的 子 B 細(xì)胞死亡，而骨髓產(chǎn)生新的 B 細(xì)胞，加入小組，以保持種群的多樣性?？寺∵x擇和 推廣的進(jìn)一步豐富，提出了一個(gè)簡(jiǎn)單的克隆選擇算法（ CLONALG）。 Step2：根據(jù)親和度計(jì)算，在 Ab 中選擇 n 個(gè)親和度最高的抗體，組成一個(gè)新的集合（ Abn） 。但對(duì)于函數(shù)優(yōu)化，每個(gè)抗體克隆體的個(gè)數(shù)相同，都是 Nc 個(gè)。各個(gè)抗體的親和度值； Step6：根據(jù)親和度值，從 C39。首先，來(lái)自免疫系統(tǒng)，而不是自然進(jìn)化的克隆選擇算法，使用進(jìn)化算子，這主要是因?yàn)榻徊婧妥儺惖幕舅悸肥窃诩?xì) 胞基因水平的主要操作和生物學(xué)基礎(chǔ)進(jìn)化和免疫細(xì)胞基因的變化。最后，在一般的遺傳算法，交 叉是主要的運(yùn)營(yíng)商，突變的背景下運(yùn)營(yíng)商，但是，相比之下，克隆選擇算法的單克隆算子的克隆選擇算法的性能仍然是強(qiáng)于相應(yīng)的遺傳算法。但他們?nèi)匀贿m應(yīng)能力不強(qiáng)，搜索結(jié)果是不能令人滿(mǎn)意的，對(duì)復(fù)雜問(wèn)題的解決不足的能力有限，這是需要探索新的多峰函數(shù)的優(yōu)化方法。上廚師和亨特，迪米斯在資源有限的人工免疫系統(tǒng)的基礎(chǔ)上 。 aiNet 免疫網(wǎng)絡(luò)算法，該算法模擬免疫網(wǎng)絡(luò)的抗原刺激，基于克隆選擇，否定選擇，免疫網(wǎng)絡(luò) “和其他免疫原則最初用于解決數(shù)據(jù)聚類(lèi)問(wèn)題。 optaiNet 算法步驟 待優(yōu)化問(wèn)題目標(biāo)函數(shù)視為抗原，函數(shù)的解視為抗體，親和力為抗體所對(duì)應(yīng)的函數(shù)值，抗體與抗體之間的相似度由二者之間的歐氏距離確定。 :計(jì)算抗體群中每個(gè)抗體的適應(yīng)度值，并把適應(yīng)度向量正規(guī)化到 [0， l]。 :對(duì)每一克隆群，選擇適應(yīng)度最大的抗體組成一個(gè)新抗體群，并計(jì)算改抗體群的平均適應(yīng)基于鄰域 克隆選擇學(xué)習(xí)算法的分餾系統(tǒng)資源優(yōu)化 11 度 。 Step4:引入原抗體群數(shù)目 d%的隨機(jī)產(chǎn)生 抗體，并與記憶抗體組成新的抗體群，返回 Step2。變異算子變異，每個(gè)克隆，并保留不是變異抗體 的 克隆 群體 。最后，引入一個(gè)新的抗體隨機(jī)，重復(fù)上述過(guò)程，直到你達(dá)到收斂條件至今。但是因?yàn)榭寺∵x擇算法是追尋局部最優(yōu)的，所以他會(huì)出現(xiàn)早熟現(xiàn)象。本章主要是學(xué)習(xí)這兩種算法，為下文提出的新的改進(jìn)的算法 鄰域克隆選擇算法做一個(gè)理論鋪墊，以便更好地研究和驗(yàn)證新算法。 當(dāng)今，普遍學(xué)者和科學(xué)家認(rèn)為，智能體可以被看做一個(gè)計(jì)算實(shí)體，生存于某一特定環(huán)境，且有生命周期。 Agent 不能被翻譯成“代理”，而應(yīng)被描述成“智能體”。自主性，就是一個(gè)智能體擁有自己的思維，不借助他人的幫組，可以自發(fā)地控制自身的行為和計(jì)算資源。所以，總的來(lái)說(shuō)，智能體的反應(yīng)性可以分為主動(dòng)和被動(dòng)。在這一群體中，就像在人類(lèi)社會(huì)中一樣，需要像人類(lèi)一樣，學(xué)會(huì)競(jìng)爭(zhēng)和協(xié)作，通過(guò)自身努力，使自身能在這一群體存活下來(lái)。智能體只有通過(guò)感知環(huán)境，不斷學(xué)習(xí)，進(jìn)化自己，才能在群體中存活下來(lái)。所有 Agent 放在一個(gè)規(guī)模為sizesize LL ? 的網(wǎng)格 L 上，每個(gè) Agent 占一個(gè)格點(diǎn)位置且不能移動(dòng)。 他是一個(gè)全局適應(yīng)度分布，需要全局選擇。 每個(gè)智能體在智能體網(wǎng)絡(luò)中，為了生存需要獲得更多的資源，他們必須與網(wǎng)絡(luò)中的其他智能體進(jìn)行競(jìng)爭(zhēng)或者合作。 領(lǐng)域 — 克隆選擇學(xué)習(xí)算法利用的就是智能體這一特性。設(shè)進(jìn)化算子作用在個(gè)體 ln),( 21, ?llL ji ? 上， ? ?nji mmmM ax ,2,1, ?? 為鄰域內(nèi)能量最大的個(gè)體。(39。m a x( m a x ,m a x ,m a x , C ijC ijC ij LLL ? 。鄰域競(jìng)爭(zhēng)算子可表述為： 如果， mmnAAC m ax,)( , ?，則， nmA ,) .( ?? ；否則， nmLoc ,) .( ??? ， ???????????????????????????l s e, ))(()1,1( )())(()1,1( , )( )())(()1,1( , )(etarattara i f tttaraiftbkkkkkkkkkkkkkk??????? ，)( , ,2 ,1 tqk ?? (34) 基于鄰域 克隆選擇學(xué)習(xí)算法的分餾系統(tǒng)資源優(yōu)化 15 )1 ,1(?r 為均勻分布的隨機(jī)數(shù)。該 算子包括以下步驟： a) 根據(jù)式 (35)產(chǎn)生 21 sLssLs? ( LssLssLs ?2,1 )的 Agent網(wǎng)格 210 39。, ssnm sLnsLmsL ?? ?? ，更新 ??? ??? 其它 1 1, 39。 nmmnnm N ew n39。2,39。39。 qkesRsRusRsR ui f sRsRuif ekkkkkkkknm ?????????????????? ????，（??????? (36) 其中， ]1,0[?sR 表示搜索半徑。 自學(xué)習(xí)操作后的抗體網(wǎng)絡(luò)為 )(4TL 。 初始化免疫 Agent網(wǎng)格系統(tǒng) )0(L ， 21)( ss LLLsize ?? ， 將 S 域中隨機(jī)生成的21 ss LL ? 個(gè)初始抗體群 0A 按實(shí)數(shù)編碼置于網(wǎng)格系統(tǒng) )0(L 上 ， 編碼長(zhǎng)度為 l 。 (5) 進(jìn)行自學(xué)習(xí)操作 。 圖 32~圖 36 分別表示 1f ～ 5f 函數(shù)分布圖。方差 )(1xf 103 177。103 105 177。103 108 177。0 )(5xf 0 177。 基于鄰域 克隆選擇學(xué)習(xí)算法的分餾系統(tǒng)資源優(yōu)化 21 算法分析 在鄰域 克隆選擇學(xué)習(xí)算法中，有幾個(gè)參數(shù)是需要調(diào)整的。一般選用 mp =。收斂半徑太小，有可能搜索不到最優(yōu)值，收斂半徑太大，則有可能迭代次 次數(shù)太增加，時(shí)間要變長(zhǎng)。優(yōu)化中的算法，每個(gè)都需要收斂性驗(yàn)證。 寧波大學(xué)信息與科學(xué)工程學(xué)院本科畢業(yè)設(shè)計(jì)（ 論文） 4 鄰域 克隆選擇學(xué)習(xí)算法的分餾裝置資源優(yōu)化應(yīng)用 分餾裝置模型優(yōu)化分析 分餾系統(tǒng)資源優(yōu)化模型 分餾裝置是化工中普遍用到的分離設(shè)備。其主要是用來(lái)進(jìn)行成分分離。 分流系統(tǒng) 優(yōu)化模型可描述為： ???31 300700 )),(( i i xxQm inf (41) ..st i i iF F F???? 。它反映了三塔的塔耗隨著兩個(gè)尋優(yōu)參數(shù)的變化的變化趨勢(shì)和關(guān)系 。 0. 00. 51. 01. 52. 02. 50% 20% 40% 60% 80% 100%1 塔2 塔資 源 分 配 系 數(shù) X7 0 0單耗: 106Kg1h1 圖 42 塔的單耗隨資源分配系數(shù) 變化 寧波大學(xué)信息與科學(xué)工程學(xué)院本科畢業(yè)設(shè)計(jì)（ 論文） 鄰域 。Kg1h1 0. 00. 51. 01. 52. 02. 50% 20% 40% 60% 80% 100%1 塔3 塔資 源 分 配 系 數(shù) X3 0 0單耗: 106但是從圖中也可以粗略地估計(jì)其能耗最低時(shí)的尋優(yōu)參數(shù)在哪個(gè)小的范圍內(nèi)。 iiop c? , i 1,2,3? ； 這里 =iQ, i 1,2,3 分別 為 1 、 2和 3塔的能耗；700/)04700(7 0 0 FFFx ?? 、 3 0 0/)023 0 0(300 FFFx ?? 分別 為 700與 300流股 進(jìn) 1塔的質(zhì)量流量分配 系數(shù) 比，其中 F700、 F300 分別為 700與 300的總進(jìn)料 ； F04 是 700進(jìn) 2塔的流股； F02 是 300進(jìn)3塔的流股 ； 700x 、 300x 就是 尋優(yōu)參數(shù) 。本文要做的是通過(guò)控制分流器 300、 700中的分流系數(shù)，是三個(gè)分餾塔流出的產(chǎn)物保證一定的產(chǎn)量后，所利用到的資源最少。本問(wèn)中的分餾系統(tǒng)優(yōu)化就是其中一個(gè)典型例子，就是為了高效地利用資源，使資源優(yōu)化最大。在這基礎(chǔ)上，和上章涉及到的兩個(gè)算法進(jìn)行收斂比較，做了一定的理論分析，證明了算法的可行性。在章節(jié)中，詳細(xì)闡述了該算法中所涉及的算子，從理論上分析了這些算子的作用。一般選用 cp =。首先，變異概率 mp 的作用在于局部收斂時(shí)，可以通過(guò)變異去搜索其他空間，進(jìn)行全局尋優(yōu)。0 0 177。0 0 177。104 )(3xf 105 177。103 105 177。停止準(zhǔn)則均為運(yùn)行最大迭代次數(shù)為 300，如 20 次內(nèi)記憶庫(kù)內(nèi)未有更好的個(gè)體出現(xiàn)，則算法自動(dòng)退出。 (6) 將 )(3TL 中競(jìng)爭(zhēng)力最大的個(gè)體放入記憶庫(kù)，判斷是否滿(mǎn)足停止準(zhǔn)則，如滿(mǎn)足，則停止，否則 1??TT ，轉(zhuǎn) (2)； 記憶庫(kù)中最好個(gè)體即為所得解。 執(zhí)行鄰域克隆選擇算子可以增加網(wǎng)格上個(gè)體的競(jìng)爭(zhēng)