（计算机应用技术专业论文）基于自适应软件体系结构的生物网络平台的研究.pdf

基于自适应软件体系结构的生物同络平台的研究 基于自适应软件体系结构的生物网络平台的研究 摘要 随着网络应用需求日益朝着高性能、大规模、多样性的方向发展，对i n t e r n e t 网 络提出了更高的分布式要求：需要这种以用户为中心的网络具有自扩充性、可移动性、 可生存性，简单易操作性、以及随着用户和网络环境的长期和短期变化的自适应性等 特点，因此有必要进一步优化i n t e r a c t 网络体系结构，并设计其应用。 生物信息系统可看成一个分布式自治系统，且能提供给科学和工程领域各种富有 成效的技术和方法。在生物世界中，像人类社会、蜂群、生物免疫系统这样的大规模 系统已形成许多重要的原理和机理正好可以满足以上对i n t e m e t 的未来需求。 为更好地研究生物网络结构，论文首先介绍了原有的生物网络计算模型，包括生 物网络平台( 由生物实体c o n t e x t 、各种网络服务和生物网络容器组成) 和生物实体 等。 基于自适应软件体系结构理论，我们给出了从理论上构建生物网络平台的设计思 、想和实现方式，同时提出的通信架构也给分布式网络组件对象调用的实现提供了一种 新的思路。生物网络平台上的组件通过发送“消息”来通信，我们研究了生物实体之 间、生物实体与超级实体之间、以及超级实体之间的通信模型，以使生物网络能更灵 活的通信，方便用户构造出丰富的网络应用。 基于免疫系统的一些相关原理和机理，在已有的基于移动a g e n t 技术的生物网络 计算模型基础上，增加生物调度实体的概念，利用调度实体来指导生物实体的移动， 以期获得生物网络的负载平衡。调度实体的构建完善了生物网络结构的总体框架，使 生物网络架构更好地满足未来i n t e r n e 的自适应性需求。 为使生物网络能够更好地提供服务，我们提出了一种基于免疫遗传算法的生物网 络资源优化利用的算法，该算法以网络负载平衡为优化目标，使实体相对均衡地提供 服务，达到合理利用生物网络资源，增强其自适应性的目的。仿真实验结果也验证了 方法的有效性。 生物网络的服务和应用是通过多a g e n t 之间的相互协作，动态地选择a g e n t 所提 基于自适应软件体系结构的生物网络平台的研究 供的服务来完成的。我们基于生物信息学，运用模糊逻辑、神经网络和遗传算法结合 的软计算方法，提出了多a g e n t 协作的生物网络服务质量智能评估和优化模型，它是 一种基于五层模糊神经网络的模型，并采用遗传算法进行优化。以此来高效地处理多 a g e n t 模糊和非确定的q o s 服务质量评价问题，并且进行了仿真实验。 在此基础上，结合其它生物机理，给出其在i n t e m e t 上的服务和应用，最后通过 计算机仿真进行验证，仿真生物实体和超级实体的行为以产生需要的服务和应用。 最后，对全文的工作进行了总结，指出了基于自适应软件体系结构的生物网络平 台的理论与应用今后需要进一步深入的研究方向。 关键词：生物网络结构，自适应软件体系结构，软计算，负载平衡，智能评估 基于自适应软件体系结构的生物舟络平台的研究 s t u d y o nb i o l o g i c a ln e t w o r kp l a t f o r m b a s e do i ls e l f - a d a p t i v es o f t w a r ea r c h i t e c t u r e a b s t r a c t w i t ht h ed e v e l o p m e n to fn e t w o r ka p p l i c a t i o nt o w a r d sh i g h - p e r f o r m a n c e ，l a r g e - s c a l e ， d i v e r s i t y , p e o p l ep u tf o r w a r dm o r ed i s t r i b u t e dr e q u e s t st ot h ei n t e m e t ：t h en e t w o r kn e e d s s o m ec h a r a c t e r i s t i c s ，s u c h 豁s e l f - e x t e n s i o n , m o b i l i t y , s u r v i v a l ，s i m p l i c i t y , a n da d a p t a b i l i t y t ot h el o n ga n ds h o r tc h a n g et ot h eu s e r sa n dn e t w o r ke n v i r o n m e n t s a ss u c h ，i ti s n e c e s s a r yt oo p t i m i z et h ei n t e r a c ta r c h i t e c t u r ea n dd e s i g ni t sa p p l i c a t i o n b i o l o g i e a li n f o r m a t i o ns y s t e m sc a nb er e g a r d e d 嬲d i s t r i b u t e da u t o m a t i cs y s t e m s , a n d c a l lp r o v i d et h ee f f e c t i v et e c h n o l o g i e sa n dm e t h o d sf o rs c i e n c ea n de n g i n e e r i n gf i e l d i n b i o l o g i c a lw o r l d ，t h el a r g e s c a l es y s t e m s ，s u c h a sh u m a ns o c i e t y , b e es w a r m ，a n d b i o l o g i c a li m m u n es y s t e m sh a v ef o r m e dm a n yi m p o r t a n tt h e o r i e sa n dm e c h a n i s m s t h a tc a l l b es a t i s f i e dw i t ht h ef u t u r er e q u i r e m e n t so f t h ei n t e r n e t i nt h et h e s i s , w ef l r s t l ys h o wt h ef o r m e rb i o - n e t w o r kc o m p u t i n gm o d e li no r d e rt o s t u d yt h eb i o - n e t w o r ka r c h i t e c t u r eb e t t e r t h em o d e lm a i n l yi n c l u d e sb i o - n e t w o r kp l a t f o r m ( w h i c hc o n s i s t so fb i o e n t i t yc o n t e x t , b i o - n e t w o r ks e r v i c e s ，a n db i o - n e t w o r kc o m p o n e n t s ) a n dh i 0 一e n t i t i e s b a s e do nt h ea d a p t i v es o f t w a r ea r c h i t e c t u r e ，w ei n t r o d u c ed e s i g na n di m p l e m e n t a t i o n o fb u i l d i n gt h eb i o - n e t w o r kp l a t f o r mi nt h e o r y w ep r o v i d eac o m m u n i c a t i o nt e c h n i q u et o i m p l e m e n tt h ed i s t r i b u t e dn e t w o r kc o m p o n e n to b j c c tt r a n s f e r t h ec o m p o n e n t o i l b i o - m o d e ls e n d sm e s s a g et oc o m m u n i c a t ew i t ho t h e r s w es t u d yt h ec o m m u n i c a t i o n m e c h a n i s mw h i c nc a l lc o o r d i n a t ea m o n gb i o e n t i t i e s ，a n db e t w e e nb i o - e n t i t i e sa n d s u p e r - e n t i t i e s , a n da m o n gs u p e r - e n t i t i e s a p p l y i n gt h e c o r r e l a t e dt h e o r i e sa n dm e c h a n i s m s ，w ed e s i g nn e we n t i t i e s s c h e d u l i n ge n t i t i e sw h i c ha l es p e c i a le y b e re n t i t i e si no u rb i o n e t w o r kf r a m e w o r k , a n d u t i l i z es c h e d u l i n ge n t i t i e st og u i d ee n t i t i e sm o v i n g ，w h i c hi sv e r yu s e f u lt ot h el o a db a l a n c e i na d a p t i v es y s t e m s t h ef o u n d a t i o no f s c h e d u l i n ge n t i t i e sw i l lb eu s e f u lt ot h eb i o n e t w o r k t ob e t t e rs a t i s f yt h ea d a p t a b i l i t yo f t h ef i z t u r ei n t e r a c t 基于自适应软件体系结构的生物网络平台的研究 w ep r e s e n tag e n e t i ca l g o r i t h m - b a s e dl o a db a l a n c ea l g o r i t h mt h a tc a na c h i e v e r c g o u r c , eo p t i m i z a t i o n s t h eo p t i m i z a t i o ng o a li sl o a db a l a n c eo fn e t w o r k , w h i c hm a k e s l i g h tl o a dc o m p u t e rh a v et h ea b i l i t yt os e r v i c e t h r o u g h0 1 1 1 - a l g o r i t h m , t h eb i t n e t w o r k c o u l dr e a s o n a b l yu t i l i z ei t sr e s o u r c e sa n df u r t h e ri m p r o v ei t sa d a p t a t i o na b i l i t y f i n a l l y , w e s h o wt h es i m u l a t i o ne x p e r i m e n t st od e m o n s t r a t et h ee f f e c t i v e n e s so f o u r 印p r o a c h t h r o u g l l c o l l a b o r a t i o n sa n dd y n a m i cc h o i c e so fm u l t i - a g e n t s , t h eb i o - n e t w o r k a c c o m p l i s h e s i t ss e r v i c ea n da p p l i c a t i o n s w ep r o v i d ea l li n t e l l i g e n te v a l u a t i o na n d o p t i m i z a t i o nm o d e lf o rt h eq u a l i t yo fs e r v i c ei nm u l t i a g e n ts y s t e mb a s e do nt h ei n t e g r a t e d m e t h o do ff o z z yl o g i c n e u r a ln e t w o r k sa n dg e n e t i ca l g o r i t h m s t h em o d e li sa 疗v e 1 a y e r f u z z yn e u r a ln e t w o r ko p t i m i z e db yg e n e t i ca l g o r i t h m t h es i m u l a t i o nr e s u l tp r o v e st h a tt h e m o d e lc a ne f f i c i e n t l yr e s o l v et h ef u z z ya n dn o n - c e r t a i np r o b l e mo f t h eq u a l i t yo f s e r v i c ei n m u l t i a g e n ts y s t e m s c o m b i n i n gw i mo t h e rb i o l o g i c a lm e c h a n i s m s s e r v i c e sa n da p p l i c a t i o n so ft h e i n t e r a c ta r ed e s i g n e da n dv a l i d a t e dt h r o u g hc o m p u t e rs i m u l a t i o n t h eb e h a v i o r so f b i t - e n t i t ya n ds u p e r - e n t i t ya l es i m u l a t e dt op r o d u c es e r v i c e sa n da p p l i c a t i o n s n e e d e d f i n a l l y , w ec o n c l u d et h ew h o l et h e s i s ，a n dm a k ef u r t h e rr e s e a r c h e s0 1 1t h e o r i e sa n d a p p l i c a t i o n so f t h eb i t - n e t w o r km o d e l s u n f e i 百北沙( c o m p 虹u t m e r 瓮燃 k e y w o r d s ：b i t n e t w o r ka r c h i t e c t u r e ，a d a p t i v es o o ：w a r ea r c h i t e c t u r e ，s o f tc o m p u t i n g ，l o a d b a l a n c e ，i n t e l l i g e n te v a l u a t i o n v i l 基于自适应软件体系结构的生物网络平台的研究 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本 人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用 的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的 内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律 结果由本人承担。 久妒 一 1 学位论文作者签名：y 黔 ， 日期：铘婷f 3 月乒je t 基于自适应软件体系结构的生物网络平台的研究 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权 东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本版权书。 本学位论文属于 不保密留。 了如t 饥，玎一，一。) 基于自适应软件体系结构的生物网络平台的研究 第一章绪论 1 1 引言 近年来，i n t e m e t 网络智能技术成为人们研究的热点。i n t e r n e t 是一个庞大的结构 松散的巨型网络。未来i n t e m e t 要求：1 ) 新的应用程序和用户界面使i n t e m e t 对用户 越来越“透明”；2 ) 移动计算正成为一个越来越受关注的发展领域；3 ) 服务商必须 能够根据用户不同的应用需求提供不同的服务方案：4 ) i n t e m e t 的演变过程的控制机 制；5 ) i n l e m e t 网络节点的安全等。网络服务和应用必须满足以下要求：1 ) 能够调 整网络满足数以亿记的节点和用户；2 ) 能够适应网络的多样性和动态变化；3 ) 必 须安全可用；4 ) 需要最小限度的人员配置和管理。也就是说，其关键需求有自扩充 性、对异构和动态条件的自适应性、安全性、自救性及服务和应用的简单易操作性 等。这些需求使我们有必要进一步地优化i n t e r n e t 网络体系结构，并设计其应用。 另一方面，生命现象的奥秘和生物的智能行为一直被科学家们所关注。生物信 息系统可看成一个高级信息处理系统，能被启发以提供给工程领域各种富有成效的 智能技术和方法，虽然由生物引发的各种计算智能技术，如模糊系统、神经网络、 进化计算和免疫计算等，在许多实际问题中都得到了成功的应用。但到目前为止， 计算智能的理论研究只是对生物系统的简单模拟，对生物系统的研究结果仅局限于 理解生物过程、仿真生命或突现行为、分布计算及机器人等。从某种意义上讲，基 于生物系统原型开发的各种计算模型，其整体行为超过了各个部分的总和，如元胞 自动机、人工生命模型、没有中心主体的社会合作系统等。在这些系统中，局部相 互作用能突现全局行为【1 一。我们将出现这些突现的计算称之为突现计算，它有三个 重要方面：自组织、聚集现象和协作行为。自组织意味着从一个初始的随机系统白 发产生突现。聚集现象是指系统中有多个主体，它们之间相互作用，但强调的是全 局模式。协作行为是指系统的整体行为超过了其各个部分的总和。 在生物世界中，许多生物系统，如免疫系统、蜂群、蚁群和人类社会，都包含一 组展示突现( e m e r g e n t ) 行为的自治个体。即生物结构是由许多个体组成，如由成千 上万蜜蜂组成的蜂群、由数百万个t 细胞组成的免疫系统、由数十亿人组成的人类社 基于自适应软件体系结构的生物网络平台的研究 会等。每个个体( 如免疫系统中的一个t 细胞、蜂群中的一只蜜蜂) 遵循一组简单的 行为规则( 如迁移、再生、能量交换、变异和死亡等) ，而一群个体( 如免疫系统、 蜂群) 则展示复杂的突现行为( 如适应性，进化、安全性和自救性等) 。也就是说， 生物系统的突现行为是带有简单行为的个体通过自治的局部相互作用而涌现的。在大 规模的生物系统中有一些关键概念：( 1 ) 突现行为和特征；( 2 ) 生命周期：能量，再 生和死亡；( 3 ) 演化：多样性，自然选择；( 4 ) 局部相互作用；( 5 ) 自我保护等。 大规模生物系统，已经形成了许多机理满足以上i n t e m e t 的需求。从生物系统中 已得到的一些重要的原理和机理，可以应用到设计网络服务和应用。经历了百万年的 进化，像蜜蜂群体这些大规模的生物系统，它们能够调整、适应和生存。蜂群能调整 大量的蜜蜂是因为蜂群的行为不受中央控制而完成，蜜蜂的行为具有自治性，仅受到 当地环境和与其它蜜蜂相互作用的影响。建立蜂房时，蜜蜂只受到他们周围完成的六 边形巢室结构的引导。没有主蜜蜂控制蜂房的建造。蜂群也适应动态变化的环境，常 常让获得的事物和能量支出达到最优。蜂蜜少时，许多采集食物的蜜蜂离开蜂房去收 集食物。蜂蜜多时，大多数的蜜蜂呆在蜂房中体息。蜂群能生存是因为它不依赖于任 何单个蜜蜂，甚至是蜂后。因此，在捕食者杀死许多蜜蜂后，蜂群仍能生存。实际上， 蜂群的可调整性、适应性和可生存性这些特性在单个蜜蜂中不存在。而是来自蜂群的 所有蜜蜂的聚集行为和相互作用。 从社会生态学角度讲，i n t e r n e t 网络的超速发展，将会导致网络内部各种因素之 间以及网络与其它相关社会环境之间出现一系列问题。所有影响网络发展的其它社会 系统构成了网络发展的生态环境，当我们用联系发展的眼光分析网络与网络生态环境 之间相互作用、相互影响时，便形成了网络生态。网络与网络生态环境构成网络生态 系统。也就是说，如果将i n t e r n e t 网络看成一个巨大的生态网络，我们就可以借用生 态学的研究方法，建立生态网络计算模型，从而在此基础上采用巨量并行、广域存储、 智能处理等方式来处理网络计算。 由生物引发的信息处理系统可分为：脑神经系统( 神经网络) 、遗传系统( 进化 计算) 、免疫系统( 人工免疫系统( a i s ) ) 和内分泌系统四种类型。其中神经网络和 进化计算已被广泛地应用于各个领域，而a i s 由于其复杂性没有引起与神经网络和 进化计算等计算领域同等的重视，直到近几年才引起国内外研究学者的兴趣p j 。另 2 基于自适应软件体系结构的生物网络平台的研究 外，目前还没有关于内分泌系统的工程应用研究。自然免疫系统是一种复杂的自适 应系统，有效地使用多种机制防御外部病原体。免疫系统的重要作用是识别所有身 体内的细胞，并将其分为自己和非己。为了诱导合适形式的防御机制，异己细胞迸 一步分类。通过进化学习，免疫系统在外部病原体和身体自己的细胞之间进行辨别。 因为其重要性、复杂性和目前人类了解得还不够透彻的细胞代谢替换机制，自然免 疫系统具有许多研究主题，其一般特征在局部层次提供了相当出色的自适应处理模 型；在全局层次，会突现出许多有用的性能。现有许多理论和数学模型解释免疫学 现象，也有许多计算机模型仿真各种免疫系统成分，从生物角度研究免疫系统的整 体性能，找到解决实际工程和科学问题的智能方法，并由此出现了a i s 这一新兴的、 快速发展的智能技术新领域。 论文将免疫系统的一些相关原理和机理，运用到原有的生物网络结构中，着重 讨论多a g e n t 协作的生物网络的负载平衡问题，生物网络总体服务优化和质量评估 问题。在此基础上，结合其它生物机理，给出其在i n t e m e t 上的服务和应用，最后通 过计算机仿真进行验证。从而为设计新一代的网络结构、网络智能自动化和复杂系 统的分布自治控制奠定一定的理论基础，提供一个良好的理论研究的仿真环境和实 际应用的实验平台。 本章首先介绍了基于生物免疫系统的a 1 s 的产生与发展及其应用，接着介绍了 基于生物系统原型开发的突现计算，生物网络模型架构采用了a g e n t 的一些技术， 在此简单介绍a g e n t 尤其是移动a g e n t 的关键技术。最后指出了本论文的主要工作 和论文结构安排。 1 2 研究背景 1 2 1 人工免疫系统 生物免疫系统是生物，特别是脊推动物和人类所具有且必备的防御机制。人的免 疫系统最为复杂，它由具有免疫功能的器官、组织、细胞、免疫效应分子及有关的基 因等组成，可以保护机体抗御病原体、有害的异物及癌细胞等致病因子的侵害。免疫 系统的主要功能是：免疫防御，免疫稳定，免疫监视。免疫系统基本元素包括巨噬细 基于自适应软件体系结构的生物网络平台的研究 胞、淋巴细胞及其抗体，抗体识别特定抗原并清除抗原【4 ，5 1 。生物系统具有大量发达 的抗体系统，能够处理不断变化的环境。 自然免疫系统是一个复杂的自适应系统，可保护人体不受外部病原体侵害，并把 体内所有的细胞和分子分成或者属于自己的种类，或者属于外部来源的非己分子种 类。免疫系统不依靠任何中心控制，具有分布式任务处理能力，具有在局部采取行动 的智能，也通过起交流作用的化学信息构成网络，进而形成全局观念。生物免疫系统 多种多样，具有独特性。 免疫系统的最大特点是免疫记忆特性、抗体的自我识别能力和免疫的多样性等。 a i s 研究的主要内容是根据生物免疫系统的一些重要机理和原理，得到人工免疫网络 模型和免疫学习算法，并将这些计算模型用于工程及计算机网络等各个方面。基于免 疫系统机理开发的人工免疫网络模型，主要是基于各种免疫网络学说，如互联耦合免 疫网络1 6 、免疫反应网络川、对称网络哺1 和多值免疫网络 9 1 等来发展的。 免疫系统通过从不同种类的抗体中构造的自己非已的非线性白适应网络，在 处理动态变化环境中起主要作用【1 3 】。基于免疫机理发展的a i s 提供了噪声忍耐、无 教师学习、自组织、不需要反面例子，能明晰地表达学习的知识，结合了分类器、神 经网络和机器推理等学习系统的一些优点，它又是一种“突现计算”。从工程角度上 讲，a i s 具有许多有意义的特性，免疫计算系统结合先验知识和免疫系统的适应能力， 给当前智能控制提供了一种强大的选择，因此具有提供新颖的解决复杂问题方法的潜 力。从信息科学角度来讲，a i s 由于它的强大和鲁棒的信息处理能力，被认为是一个 非常重要且非常有意义的研究方向。而从生物角度来看，开发基于免疫系统的计算机 模型有助于人们进一步认识和发展生物免疫学，将会给人类社会带来更大的进步。 免疫网络模型的工作首先由j e m e 提出，他基于细胞选择学说，开创了独特型网 络的理论，给出了免疫系统的数学框架0 4 ，并采用微分方程建模来仿真淋巴细胞的动 态性。独特型网络学说是以淋巴细胞不是孤立的，而是通过抗体之间相互反应和在不 同种类的淋巴细胞之间相互通讯为基础。相应地，抗原的识别是由抗原一抗体之间相 互反应形成的网络来完成的。基于j e r n e 的研究工作的基础上，p e r e l s o n 提出了独特 型网络的概率描述方法，讨论了独特型网络中的相传输【1 5 】。j e m e 提出的免疫网络理 论引起了许多研究学者的兴趣，基于此模型的计算方法也被用于自适应控制和故障诊 4 基于自适应软件体系结构的生物厨绍平台的研究 断等实际应用f 1 越3 1 。 目前，已有多种基于免疫系统的学习算法。基于免疫系统的自己一非己识别原理， f o r r e s t 等开发了一种用于检测数据改变的反面选择算法 2 4 - 2 6 j 。受生物免疫系统的启 发，h u n t 和c o o k e 开发了一种a i s 及其免疫学习算法【2 7 1 。将进化与免疫结合起来考 虑，利用抗体多样性保持机制改进传统的进化算法，可发展免疫遗传算法与免疫规划， 来有效地抑制早熟现象。基于克隆选择理论和亲和力成熟过程提出的克隆选择算法也 可用于解决优化问题 2 8 1 。i s h i d a 等基于免疫系统的局部记忆学说和免疫网络学说提出 了基于a g e n t 结构的a i s 2 9 1 ，将b 细胞可看作a g e n t ，从而借助a g e n t 的技术来设计 a i s 及其免疫a g e n t 算法 3 0 1 。 从信息处理的角度看，生物免疫系统中有一些关键概念和许多特性可被用于 i n t e m e t 网络服务与应用。 1 2 2 生物免疫系统的突现计算 从信息处理的角度看，生物免疫系统中有一些关键概念和许多特性可被用于 n t e r n e t 网络服务与应用： ( 1 ) 突现行为和特征。“突现”( e m e r g e n c e ) 是指在复杂的非线性形态中，许多 相对简单的单元彼此相互作用，产生出来的引人注目的新的整体特性。这些特性事 先是不可预言的。突现是生命的突出特征。生物免疫系统是由许多淋巴细胞组成， 每个淋巴细胞( 个体) 遵循一组简单的行为规则( 如迁移、再生、变异和死亡等) ， 两一群个体( 如免疫网络) 则展示复杂的突现行为( 如适应性、进化、安全性和自 救性等) 。也就是说，免疫系统是由一组展示突现行为的自治个体通过局部相互作用 组成【3 4 j 。生物免疫系统是安全的、可生存的，即使一定比例的个体被入侵者、事故 或疾病损伤，它们仍然能起作用，这些都是突现行为的结果。生物免疫系统在维持 机体内环境平衡中主要起防御、自稳态和免疫监视( 实时监测病毒防火墙? ) 三种作 用，通过对抗体的抑制和促进作用，能自我调节产生适当数量的必要抗体，维持免 疫平衡。以上机理可用于网络稳定、自救、防御和安全等方面。 ( 2 ) 生物免疫系统通过它的组成细胞和分子分布地通过生物体，是一个没有中 基于自适应软件体系结构的生物网络平台的研究 心控制器的鲁棒的自治分布系统，且是一类能有效地处理问题的非线性自适应网络。 免疫系统是一个动态维持着的自组织存贮器。它具有内容可访记忆和能遗忘很少使 用的信息等进化学习机理和通过学习外界物质的自然防御机理。生物免疫系统的组 成细胞和分子具有与它们的服务和应用相关的功能，且通过变异和自然选择机理进 化到期望的行为，能自治地适应异构和动态变化的环境条件，在局部范围内进行自 治可获得自扩充性。网络服务和应用同样可借鉴生物免疫网络的这些能力来适应异 构和动态变化的网络条件、获得自扩充性。 ( 3 ) 生物免疫系统的多样性遗传和细胞选择机理等可被用于优化网络服务，它 的一些特性，如侵入检测、自主复制、算法多样性和生物个体分散性等，可被用于 设计网络服务和应用。 ( 4 ) 免疫学中的各种免疫网络学说可被借鉴用于建立各种网络拓扑结构模型m 5 1 ，如互联耦合免疫网络模型的核心就是通过自底向上方式的小规模免疫网络( 局部 免疫网络) 之间的相互作用来实现免疫系统的重要功能的。免疫系统识别抗原是由 抗原抗体反应网络从系统水平上完成，其总体行为是许多局部免疫网络相互作用的 突现特性。 ( 5 ) 免疫系统的局部记忆学说表明，将免疫系统的各种特性集成在一个统一的 框架下可开发一种移动a g e n t 自治系统。故可采用移动a g e n t 技术来建立免疫移动 a g e n t 的生物网络结构，动态地学习和适应它的环境，以用于移动网络和无处不在的 计算方面。 生物免疫系统中还有与i n t e r a c t 网络有关的其它特性，在此不一一赘述。 1 2 3 移动a g e n t 技术 a g e n t ( 主体) 的研究起源于人工智能领域，它是指模拟人类行为和关系，具有 一定智能并能够自主运行和提供相应服务的程序。 移动a g e n t 是众多a g e n t 中的一种，除了具有一般a g e n t 的特性外，还具有移动 性【3 l 】。移动a g e n t 是代码、数据以及执行环境的软件包，它可以在执行过程中，有目 的地、自治地在网络中移动，利用与分布资源的局部交互而完成分布任务的软件实体。 6 基于自适应软件体系结构的生物网络平台的研究 移动a g e n t 在当前网络平台的挂起，意味着移动a g e n t 代码执行的终止和当前状态的 捕获。移动a g e n t 的传输意味着它的执行代码和状态的传输，而移动a g e n t 的恢复， 意味着移动a g e n t 状态的恢复和a g e n t 代码的重新执行。a g e n t 状态的定义：为了保 持移动a g e n t 移动前后，在能力、知识或执行状态上的一致，而必须随a g e n t 一起移 动的运行时间信息。 移动a g e n t 是传统c l i e n t s e r v e r 分布计算的扩展方式，移动a g e n t 系统在分布式 人工智能领域以及分布对象领域得到越来越多的重视的原因在于，它可以为分布计算 带来更多的灵活性、高效性、可靠性和智能性 3 2 副l 。 移动a g e n t 系统由移动a g e n t 和移动a g e n t 服务设施( 或称移动a g e n t 服务器) 两部分组成p “，如图1 1 所示。移动a g e n t 服务设施基于a g e n t 传输协议实现a g e n t 在主机间的转移，并为其分配执行环境和服务接口。a g e n t 在服务设施中执行，通过 a g e n t 通信语言相互通信并访问服务设施提供的服务。服务设施为移动a g e m 提供基 本服务( 包括创建、传输、执行等) ，移动a g e n t 的移动和任务求解能力很大程度上 决定于服务设施所提供的服务。一般来讲，服务设施应包括以下基本服务： 外部环境( 服务设施或其他a g e f i i ) 图1 1 移动a g e n t 的结构模型。 ( 1 ) 生命周期服务：实现a g e n t 的创建、移动、持久化存储和执行环境分配。 ( 2 ) 事件服务：包括a g e n t 传输协议和a g e n t 通信协议，实现a g e n t 间的事件 7 基于自适应软件体系结构的生物同络平台的研究 传递。 ( 3 ) 目录服务：提供定位a g e n t 的信息，形成路由选择。 ( 4 ) 安全服务：提供安全的a g e n t 执行环境。 ( 5 ) 应用服务：是任务相关的服务，在生命周期服务的基础上提供面向特定任 务的服务接口。 相对于静态a g e n t 系统和其它基于常规技术的系统而言，移动a g e n t 系统在应用 中表现出一下明显的技术优势与特点【3 ”研。 ( 1 ) 可移动性 移动a g e n t 在运行过程中，为了完成特定的任务往往需要从网络中的一个节点迁 移到网络中的另一个节点运行。而传统的移动计算受到处理能力、网络连接质量和代 价、电源及安全性方面的限制；对于缓冲管理、资源的分配和回收等运用传统方法难 以提供有效的解决方案。因此移动a g e n t 避开了传统移动计算中的网络通信和处理 能力的瓶颈，将交互与信息处理转移到具有很强处理能力和安全的主机上执行，对于 移动计算技术的进一步发展颇具意义。 ( 2 ) 并行性( 自治与协作) 在支持移动a g e n t 的系统中，可以将一个大的任务分解为着干个子任务，然后 将每一个子任务分配一个移动a g e n t 去完成，而每一个移动a g e n t 则可以根据不同 任务的具体情况迁移到适当的网络节点上并行运行，共同完成同一个任务。在运行过 程中，各个移动a g e n t 之间可能是对等的，每个移动a g e n t 作为一个自治系统，相 互协作，因此，这些运行的移动a g e n t 就构成了一个分布式系统。 ( 3 ) 异步性 移动a g e n t 提供不同时间和空间范围内的互操作机制。传统的分布式计算一般基 于同步方式，只有少数应用程序支持有限的异步交互( 如电子邮件) 。而移动a g e n t 引入了完整的异步计算环境，用户创建的移动a g e n t 可以异步地与处于其它时间和 空间范围的主机交互，任务完成后将运算结果返回给创建者。 ( 4 ) 资源优化 8 基于自适应软件体系结构的生物网络平台的研究 移动a g e n t 能够优化网络通信和计算资源，实现负载平衡。对于移动a g e n t 的 创建者而言，只需要移动a g e n t 的创建与接受设施而不必为建立网络及数据库连接 投入大量资源；而移动a g e n t 的运行节点利用移动a g e n t 的异步性能够分析请求间 的逻辑相关性，将接纳的移动a g e n t 分组统一处理：在网络通信资源使用上，移动 a g e n t 有效减少了网络连接耗费的带宽，基于规则的移动策略能够优化路径、降低网 络延时，避免了资源访问的盲目性。 1 3 论文研究目标及创新点 本文的研究工作是国家自然科学基金“基于神经内分泌免疫网络的生物网络结构 的整体智能研究( 6 0 4 7 4 0 3 7 ) ”、“基于免疫突现计算的生物网络结构( 6 0 0 0 4 0 0 6 ) ”和 教育部新世纪优秀人才支持计划“基于神经内分泌免疫网络的生物整体智能 ( n c e t - 0 4 - 4 1 5 ) ”的部分研究内容，以未来i n t e r n e t 网的关键需求为目标，如自扩充 性、对异构和动态条件的自适应性、安全性、自救性及网络服务和应用的简单易操作 性，采用生物世界中的一些关键概念和机理来完善原有的生物网络结构，讨论了生物 网络通信机制、生物网络自适应性负载平衡的实现方法，并且给出了多a g e n t 系统协 作环境下生物网络服务质量的评估模型。同时结合其它生物机理，构建智能仿真平台， 最后通过计算机仿真和实验系统进行了验证，为设计新一代的网络结构、网络智能自 动化和复杂系统的分布自治控制奠定一定的理论基础，提供一个良好的理论研究的仿 真环境和实际应用的实验平台。 本论文有以下创新点及意义： ( 1 ) 在已有的基于移动a g e n t 技术的生物网络结构的基础上，增加生物调度实 体的概念，利用调度实体来指导生物实体的移动，以期获得生物网络的负载平衡。调 度实体的构建完善了生物网络结构，使生物网络架构更好地满足未来i n t e m e t 的自适 应性需求。 ( 2 ) 提出了一种基于免疫遗传算法的生物网络资源优化利用的算法，该算法以 网络负载平衡为优化目标，使实体相对均衡地提供服务，达到合理利用生物网络资源， 增强其自适应性的目的。 9 基于自适应软件体系结构的生物网络平台的研究 ( 3 ) 生物网络的服务和应用是通过多a g e n t 之间的相互协作，动态地选择a g e n t 所提供的服务来完成的。多a g e n t 间根据特定的需求可以动态地组合形成新的超级主 体。每个a g e n t 的功能性属性都是模糊的概念。基于模糊逻辑、神经网络和遗传算法 相结合的方法提出了多a g e n t 协作的生物网络整体服务质量的智能评估和优化模型， 并采用遗传算法进行优化，以此来高效地处理多a g e n t 模糊和非确定的q o s 服务质 量评价问题。 1 4 本文的组织 论文的具体内容安排如下： 第一章介绍了本论文的研究背景知识，基于生物免疫系统的a i s 的产生与发展 及其应用、生态系统相关理论知识以及基于生物系统原型开发的突现计算，并简单 介绍了移动a g e n t 的一些关键技术。 第二章为满足用户对网络应用的需求，结合生物系统中形成的许多重要原理和 机理，介绍了生物网络计算模型的总体框架，该生物网络模型包括生物网络平台( 由 生物实体c o n t e x t 、各种网络服务和生物网络容器组成) 和生物实体等。 第三章随着分布式应用程序的增多和a g e n t 技术的兴起，人们研究的难点大多 集中于应用程序的交互和a g e n t 间的协作上。实现自适应性、可调整性和灵活性等 特点，也是构建生物网络平台的关键。本章的自适应软件体系结构的思想也将为解 决这些问题提供了一种新的思路。同时，本章提出的通信架构也给分布式网络组件 对象调用的实现提供了一种新的思路。 第四章自适应性网络环境将成为未来i n t e m e t 的不可缺少的重要构成部分，而 生物网络由分散的、自治、移动的个体组成，能够自我调整，适应和生存。本章在 原有的生物网络框架中设计了一种特殊的生物实体调度生物实体，利用调度实 体来指导生物实体的移动，以期获得生物网络的负载平衡。然后提出了一种基于免 疫遗传算法的生物网络资源优化利用的算法，该算法以网络负载平衡为优化目标， 使实体相对均衡地提供服务，达到合理利用生物网络资源，增强其自适应性的目的。 调度实体的构建，使生物网络架构更好地满足未来i n t e m e t 的自适应性需求。 1 0 基于白适应软件体系绪构的生物网络平台的研究 第五章移动a g e n t 系统是生物网络结构的基础，生物网络的服务和应用是通过 多a g e n t 之间的相互协作，动态地选择a g e n t 所提供的服务来完成的。多a g e n t 问 互相作用、共同提供服务，根据特定的需求可以动态地组合形成新的超级主体。每 个a g e n t 的功能性属性都是模糊的概念，运用典型的数学模型的方法来评估生物网 络整体q o s 是不切实际的。多a g e n t 协作情况下的生物网络整体q o s 是一个值得探 讨的富有挑战性的工作。本章基于模糊逻辑、神经网络和遗传算法相结合的方法提 出了多a g e n t 协作的生物网络整体服务质量的智能评估和优化模型，是一种基于五 层模糊神经网络的模型，并采用遗传算法进行优化。该智能评估模型能够高效地处 理多a g e n t 的模糊和非确定的服务质量评估问题。 第六章总结全文的主要工作，探讨进一步的研究方向。 基于自适应软件体系结构的生物网络平台的研究 第二章生物网络平台的总体设计 2 1引言 近年来，随着网络应用需求日益朝着高性能、大规模、多样性的方向发展，对 i n t e m e t 网络提出了更高的分布式要求：需要这种以用户为中心的网络具有自扩充性、 可移动性、可生存性、简单易操作性、以及随着用户和网络环境的长期和短期变化的 自适应性等特点。 另一方面，在生物世界中，像人类社会、蜂群、生物免疫系统这样的大规模系统 已形成