【文章內(nèi)容簡(jiǎn)介】 原理和特征，對(duì)免疫算法有一個(gè)大致的掌握。針對(duì)眾多的免疫算法，本課題挑選了克隆選擇算法和人工免疫網(wǎng)絡(luò)算法這兩種算法，并對(duì)這兩種算法進(jìn)行深入地學(xué)習(xí)。學(xué)習(xí)和掌握這兩種算法的原理以及如何實(shí)現(xiàn)算法的編寫，通過(guò)算法的運(yùn)行，了解這兩種算法的優(yōu)缺點(diǎn)。 （ 2）了解神經(jīng)網(wǎng)絡(luò)的特征。著重于神經(jīng)網(wǎng)絡(luò)能逼近非線性對(duì) 象這一特性，掌握和學(xué)習(xí) rbf 神經(jīng)網(wǎng)絡(luò)。學(xué)習(xí) rbf 神經(jīng)網(wǎng)絡(luò)的構(gòu)成，以及通過(guò)哪些學(xué)習(xí)方法來(lái)構(gòu)成 rbf 神經(jīng)網(wǎng)絡(luò)，利用 rbf 神經(jīng)網(wǎng)絡(luò)逼近非線性對(duì)象 。 研究目標(biāo)：根據(jù)克隆選擇算法和人工免疫網(wǎng)絡(luò)算法的優(yōu)缺點(diǎn)，結(jié)合智能體這一概念，提出一種新的算法 —— 鄰域 克隆選擇學(xué)習(xí)算法（ N Clonalg）。在這基礎(chǔ)上，再結(jié)合 rbf 神經(jīng)網(wǎng)絡(luò)，應(yīng)用到分餾資源優(yōu)化中。 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，這詞最初見于明朝時(shí)期的《免疫類方》一文。在國(guó)外，免疫（ immune）是從拉丁文“ immunis”出來(lái)的，也是免除疾病的意思。免疫反應(yīng)是指機(jī)體接觸到異物后產(chǎn)生的生理反應(yīng)，用來(lái)保護(hù)自身的安全。免疫中有個(gè)特殊的概念就是抵抗力，抵抗力越強(qiáng)，其生存能力就越強(qiáng)。這些都是屬于生物學(xué)范疇。隨著科學(xué)的發(fā)展，免疫這一概念也別應(yīng)用到信息技術(shù)中。免疫分“自體”和“非自體”。對(duì)那些抗原性異物，機(jī)體作出反應(yīng)，該行為可以被稱作是免疫應(yīng)答或者免疫耐受。 一般的免疫系統(tǒng)包括免疫器官、免疫細(xì)胞和免疫分子。 免疫學(xué)是一門年輕的學(xué)科，才處于起步階段，但是用免疫學(xué)的方法來(lái)預(yù)防病毒可以追溯到 300 多年前。在古代，我國(guó)人們已經(jīng)懂得用人 痘來(lái)預(yù)防天花。經(jīng)典的免疫學(xué)開端，是被認(rèn)為二十世紀(jì)七十年代“牛痘”的發(fā)明。自從那時(shí)開始，生物學(xué)不斷發(fā)展，且取得巨大成就。而免疫這方面又是相當(dāng)重要的一方面，備受關(guān)注和研究。很多學(xué)者和科學(xué)家致力于研究這方面。久而久之，免疫學(xué)已經(jīng)成為微生物學(xué)中一個(gè)獨(dú)立的重要的學(xué)科 [15]。 免疫系統(tǒng)構(gòu)成 高等動(dòng)物和人類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)。它有三方面組成：免疫器官，免疫細(xì)胞和免疫分子。具體如圖 21 所示： 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 5 免 疫 細(xì) 胞免 疫 系 統(tǒng)免 疫 分 子免 疫 器 官干 細(xì) 胞 系淋 巴 細(xì) 胞 系T 細(xì) 胞 抗 原 體其 他 細(xì) 胞 系單 核 吞 噬 細(xì) 胞 系B 細(xì) 胞 抗 原 體抗 體 、 補(bǔ) 體 分 子中 樞 免 疫 器 官外 周 免 疫 器 官 圖 21 免疫系統(tǒng)組 成 免疫器官主要由兩方面組成：中樞免疫器官和外圍免疫器官。其主要是免疫細(xì)胞分化增值的場(chǎng)所。 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。其中最主要的淋巴細(xì)胞系，主要有兩類細(xì)胞組成 :T 淋巴細(xì)胞和 B 淋巴細(xì)胞。其次重要的單核吞噬細(xì)胞系。 免疫分子主要由三方面組成： T 細(xì)胞抗原體、 B 細(xì)胞抗原體和抗體分子。 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)。其主要內(nèi)容包括：免疫識(shí)別、免疫應(yīng)答、免疫耐受、免疫記憶。 （ 1） 免疫識(shí)別 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） 在機(jī)體免疫功能和免疫系統(tǒng)識(shí)別過(guò)程中是重要的前提。對(duì)于免疫識(shí)別的現(xiàn)象，奧地利免疫學(xué)家伯內(nèi)特提出的一個(gè)細(xì)胞克隆選擇學(xué)說(shuō)，學(xué)說(shuō)：胚胎細(xì)胞分化，體內(nèi)已經(jīng)形成的是，克隆特異抗原，細(xì)胞表面受體的淋巴細(xì)胞數(shù)量。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)。此外，抗體抗原表位，它可以是人體自身產(chǎn)生抗體識(shí)別并觸發(fā)反應(yīng)，使抗體識(shí)別抗原和其他抗體承認(rèn)雙重國(guó)籍。 （ 2）免疫應(yīng)答 免疫反應(yīng)的免疫細(xì)胞識(shí)別抗原分子，活化，分化和生產(chǎn)的整個(gè)過(guò)程中的免疫效果， 免疫反應(yīng)通常是由抗原引發(fā)的各種免疫細(xì)胞參與了一系列的反應(yīng)。首先是處理后提交給適當(dāng)?shù)?T 細(xì)胞抗原傳遞的抗原呈遞細(xì)胞，細(xì)胞分子通過(guò)細(xì)胞膜上或分泌的因素，進(jìn)一步激活其他免疫細(xì)胞，免疫效果，并通過(guò)補(bǔ)體介導(dǎo)的細(xì)胞活化后促進(jìn)抗原和細(xì)胞因子介導(dǎo)的炎癥反應(yīng)的靶細(xì)胞的吞噬作用的成分，并最終清除抗原，維持身體內(nèi)部的平衡與穩(wěn)定。免疫反應(yīng)可以表示為兩種類型：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 。另一方面是負(fù)面的免疫反應(yīng)，在正常情況下，在人體的自身成分的寬容狀態(tài)。免疫反應(yīng)的需要，主要分布在淋巴結(jié)，裝載與外周免疫器官 脾的地方。 （ 3）免疫耐受 在一個(gè)特定的反應(yīng)遲鈍的抗原物質(zhì)接觸時(shí)的免疫細(xì)胞的免疫耐受。這是另一種重要的免疫反應(yīng)類型，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)。按照免疫耐受的特點(diǎn)，它可分為自然容忍容忍兩種。其中，人體自身的組成并沒(méi)有發(fā)生免疫反應(yīng)是自然的容忍現(xiàn)象，并自稱容忍 。人工誘導(dǎo)相比獲得寬容的機(jī)體免疫耐受的形成。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 。 ② 不成熟比成熟淋巴細(xì)胞的細(xì) 胞耐受誘導(dǎo)更容易 。 ③ 誘導(dǎo)和維護(hù)寬容，需要忍受原來(lái)的繼續(xù)存在。 （ 4）免疫記憶 當(dāng)身體接觸后，接觸到相同的抗原特異性抗原，抗體的潛伏期比最初的反應(yīng)是顯著縮短，含有抗體顯著增加，并保持很長(zhǎng)一段時(shí)間，這當(dāng)同一抗原再次侵入人體，造成更 強(qiáng)的 免疫，更高親和力的抗體生成的現(xiàn)象被稱為免疫記憶。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。免疫記憶的基礎(chǔ)上產(chǎn)生免疫記憶細(xì)胞。 克隆選擇算法 在工程實(shí)踐中，許多問(wèn)題都可以抽象為多模態(tài)函數(shù)優(yōu)化的目標(biāo)函數(shù)通常需要不僅能確定目標(biāo)函數(shù)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 7 的全局最優(yōu)解，并要求搜索出所有的局部最優(yōu)解，如復(fù) 雜性，系統(tǒng)參數(shù)及結(jié)構(gòu)鑒定。多模態(tài)函數(shù)存在多個(gè)全局最優(yōu)解或全局最優(yōu)解和局部最優(yōu)解全局最優(yōu)解的特點(diǎn)是難以確定。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。生活后的小生境技術(shù)的引進(jìn)，免疫遺傳算法，遺傳算法，該算法是有效的多模態(tài)函數(shù)的局部峰搜索的數(shù)量。但該算法仍具有明顯的缺陷，小生境遺傳算法（免疫遺傳算法）不能搜索的多模態(tài)函數(shù)的所有局部極小，運(yùn)行慢，搜索結(jié)果，精度不高缺乏銜接性能。 克隆選擇理論 [16]是用來(lái)解釋生物免疫系統(tǒng)的機(jī)制，如何消除外來(lái)抗原。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。這種擴(kuò)散是在有絲分裂，即沒(méi)有自我傳播的跨性別，作為克隆。在克隆過(guò)程中，該抗體進(jìn)行高頻率的變異性和強(qiáng)大的選擇壓力，在選定的抗體和抗原具有高親和力。 標(biāo)準(zhǔn)遺傳算法無(wú)法描述的克隆選擇理論，有兩個(gè)重要特點(diǎn)：親和力育種和基因突變的比例。 20xx年， 卡斯特羅和馮氐提出克隆選擇算法， CLONALG 命名。 CLONALG 算法能夠產(chǎn)生高親和力的抗體，并選擇改進(jìn)的后代，這意味著， CLONALG 貪婪的搜索功能：搜索周圍的空間，一個(gè)單一的抗體是搜索空間，是一個(gè)更廣泛的搜索，可 以實(shí)現(xiàn)局部?jī)?yōu)化和新生兒抗體。此功能允許 CLONALG 算法很快被廣泛使用的優(yōu)化問(wèn)題，特別適合解決多模態(tài)優(yōu)化問(wèn)題。 20xx 年， 卡斯特羅和馮氐地址多模態(tài)函數(shù)優(yōu)化的小生境遺傳算法的改進(jìn)算法和比較測(cè)試的問(wèn)題，可以定性看到的結(jié)果更高峰的搜索功能的改進(jìn)CLONALG 算法。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)。 克隆選擇學(xué)說(shuō) 伯內(nèi)特在 1959 年的克隆選擇理論 學(xué)說(shuō)，免疫細(xì)胞是隨機(jī)形成的細(xì)胞克隆的多樣性，每個(gè)細(xì)胞克隆表達(dá)抗原刺激受體相同的特點(diǎn)，特定的細(xì)胞表面受體識(shí)別和 結(jié)合抗原 ，導(dǎo)致細(xì)胞克隆擴(kuò)增，導(dǎo)致大量的后代 ，一個(gè)相同的特異性抗體的大量合成?？寺∵x擇類似達(dá)爾文變異和自然選擇過(guò)程：克隆競(jìng)爭(zhēng)性結(jié)合的病原體。最高的親和力，最佳改編，復(fù)制到。 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。小的 “休眠 ”在骨髓中的 B 細(xì)胞含有不同類型的抗體。這些含有抗原特異性 PCR 受體細(xì)胞分化成漿細(xì)胞和記憶細(xì)胞。 達(dá)爾文的生物進(jìn)化論的原理是相似的免疫系統(tǒng)，也有進(jìn)化現(xiàn)象。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。兩架B細(xì)胞受體的形狀是在空間的形狀，越接近他們更多類似的當(dāng)抗原進(jìn)入身體，形狀互補(bǔ)程度較大的 B細(xì)胞受體和抗原，同時(shí)較高的親和力，因而更容易結(jié)合通過(guò)以下的進(jìn)化過(guò)程中的 B 細(xì)胞抗體組： ① 選舉和高抗原的親和力 B 細(xì)胞的入侵。 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 在細(xì)胞分裂成若干子 B 細(xì)胞，被稱為克隆擴(kuò)增。小組 B 細(xì)胞受體母細(xì)胞，即突變的基礎(chǔ)上形成的輕微變化。 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。 ③ 在較高的子 B 細(xì)胞克隆擴(kuò)增，產(chǎn)生親和力同時(shí)，也有 低親和力的子 B 細(xì)胞。一些低親和力的子 B細(xì)胞刪除其受體并產(chǎn)生一個(gè)新的受體，稱為受體變異。分 B 細(xì)胞受體變異的突變，從它們的形狀空間的遠(yuǎn)點(diǎn)，在尋求高親和力 B 細(xì)胞的過(guò)程中，以避免陷入局部最優(yōu)。 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。經(jīng)過(guò)幾代人的選擇，克隆擴(kuò)增，受體變異的過(guò)程中產(chǎn)生新的 B 細(xì)胞和骨髓， B 細(xì)胞產(chǎn)生最終的高親和力。這些 B 細(xì)胞分化成記憶細(xì)胞或漿細(xì)胞產(chǎn)生抗體與受體的形狀相同的形狀，以消除抗原，適應(yīng)性免疫反應(yīng)的發(fā)生。 克隆選擇算法 20xx 年，卡斯特羅等?？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）。該算法包括一套抗原， B 細(xì)胞 /抗體組，一組存儲(chǔ)單元的高變異性的 B 細(xì)胞克隆增殖，最佳模式選擇內(nèi)存的基本操作。用于字符識(shí)別，多模態(tài)函數(shù)優(yōu)化和旅行商問(wèn)題的解決，仿真結(jié)果表明，利用克隆選擇方法，以保持在人口格局的多重最優(yōu)解的算法。 （ 1）克隆選擇算法的流程 CLONALG 算法是今年來(lái)提出的比較典型的一種免疫選擇算法，該算法具體流程如下： Step1：生成初始候選解集 Ab,Ab 是由記憶單元（ Abm）和保留種群（ Abr）組成， Ab=Abm+Abr。 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） 。 Step3：對(duì) Abn 中的每一個(gè)抗體進(jìn)行克隆選擇，產(chǎn)生新的克隆種群 C；克隆操作是指對(duì)所選出的抗體進(jìn)行復(fù)制。一般的克隆選擇操作是與親和度成正比的。即親和度越大，克隆的個(gè)數(shù)越多。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)。 Step4：克隆群 C 經(jīng)過(guò)親和度成熟操作，生成成熟的抗體集 C39。親和度成熟操作是指對(duì)新產(chǎn)生的抗體集 C 進(jìn)行超變異操作，變異率與抗體的親和度成反比。即抗體親和度越大，變異率越?。环粗嗳?； Step5：確 定 C39。各個(gè)抗體的親和度值； Step6：根據(jù)親和度值，從 C39。中選取 n 個(gè)親和度最高的抗體進(jìn)入 Ab； Step7：隨機(jī)產(chǎn)生 d 個(gè)新抗體，替代 Ab 中 d 個(gè)親和度最低的抗體。 重復(fù) step2step7,直到結(jié)束條件滿足。 CLONALG 算法的大致流程圖 22 如下： 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 9 圖 22 克隆選擇算法流程 （ 2）克隆選擇算法的特點(diǎn) 以上所述可以看出，不是一個(gè)簡(jiǎn)單的進(jìn)化算法的改進(jìn)，而是一個(gè)新的人工免疫系統(tǒng)的克隆選擇算法。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。第二，具體的算法，進(jìn)化算法的全局搜索的重點(diǎn)，而忽略了本地搜索，但克隆選擇算法是兩者的結(jié)合，克隆操作，其中有一個(gè)更好的人口多樣性的作用。第三，進(jìn)化算法更強(qiáng)調(diào)個(gè)人競(jìng)爭(zhēng)，不太關(guān)心的物種之間的合作，而克隆選擇算法，人工免疫系統(tǒng)算法是不同的，唯一的記憶細(xì)胞，在細(xì)胞水平上，由于抗體庫(kù)之間的相互合作，疫苗和免疫優(yōu)勢(shì)存在 。算法結(jié)構(gòu)，不但強(qiáng)調(diào)抗體人口的健身功能的變化也對(duì)抗體的克隆選擇算法和其改進(jìn)身體親和力的概念之間的相互作用變化的多樣性有關(guān)。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。 人工免疫網(wǎng)絡(luò)算法 本研究主要考慮的多模態(tài)函數(shù)優(yōu)化問(wèn)題，是解決全球最佳的解決方案，在實(shí)際應(yīng)用中，以獲得多種選擇或信息的范圍很廣，不僅要求獲得全局最優(yōu)解解決問(wèn)題的目標(biāo)函數(shù)，并且也要求盡可能局部最優(yōu)解的多。雖然常用的數(shù)值優(yōu)化方法，如梯度下降法，混沌優(yōu)化方法搜索和收斂速度快，精度高，但在解決全局最優(yōu)解常用的優(yōu)勢(shì)，這是很難找到幾個(gè)局部最優(yōu)解。的仿生進(jìn)化中具有獨(dú)特的優(yōu)勢(shì)，近年來(lái)，在復(fù)雜的優(yōu)化問(wèn)題 的解決提出建議多峰函數(shù)優(yōu)化進(jìn)化算法，如健身共享方法，序列利基法律，法寧波大學(xué)信息與科學(xué)工程學(xué)院本科畢業(yè)設(shè)計(jì)（ 論文） 簡(jiǎn)單分組的功能，協(xié)同進(jìn)化共享利基，以及在上一節(jié)討論了克隆選擇算法（ CLONALG）等。但他們?nèi)匀贿m應(yīng)能力不