第5章-免疫算法教学内容

第5章-免疫算法

免疫学习算法非选择算法（Forrest）；免疫学习算法（Hunt&Cooke）；免疫遗传算法（Chun）；免疫Agent算法（Ishida）；免疫网络调节算法（Wang&Cao）；免疫进化算法（Jiao&Wang）.AIS的应用

自动控制

故障诊断

模式识别

图象识别

优化设计

机器学习

网络安全AIS在控制领域中的应用PID型免疫反馈控制器（Takahashi）；机器人控制（Mitsumoto,Ishiguro,Lee）；控制系统的设计（Ishida）；复杂动态行为建模和自适应控制（Kumak）；倒立摆的控制（Bersini）。AIS在故障诊断中的应用基于相关识别特性的免疫网络模型用于故障诊断的方法（Ishida）；通过构造大规模独特型免疫网络来建立用于在线服务的故障诊断系统（Ishiguru）。AIS在模式识别中的应用Hunt等人开发了一种具有学习能力的人工免疫系统并用于模式识别。AIS在联想记忆中的应用Gilbert等人采用免疫网络模型设计了一种内容可访的自动联想记忆系统并用于图像识别。AIS在优化设计中的应用永磁同步电动机的参数修正的优化设计；电磁设备的外形优化；VLSI印刷线路板的布线优化设计；函数测试；旅行商问题的求解；约束搜索优化问题和多判据设计问题；AIS在网络安全的应用数据检测（Forrest）；病毒检测（Kephart）；UNIX过程监控（Forrest）。免疫进化算法生物免疫的启示在生物自然界中，免疫现象普遍存在，并对物种的生存与繁衍发挥着重要的作用；生物的免疫功能主要是由参与免疫反应的细胞或由其构成的器官来完成的；生物免疫系统是通过自我识别、相互刺激与制约而构成了一个动态平衡的网络结构。免疫生物学的基本概念

抗原是指能够刺激和诱导机体的免疫系统使其产生免疫应答，并能与相应的免疫应答产物在体内或体外发生特异性反应的物质。

抗体是指免疫系统受抗原刺激后，免疫细胞转化为浆细胞并产生能与抗原发生特异性结合的免疫球蛋白，该免疫球蛋白即为抗体。免疫系统的主要特点

免疫识别

免疫应答

免疫耐受

免疫记忆

免疫调节算法研究生物学概念与理论方法：工程计算方法进化＋免疫

传统进化算法是在一定发生概率的条件下，随机地、没有指导地迭代搜索，因此它们在为群体中的个体提供了进化机会的同时，也无可避免地产生了退化的可能。

每一个待求的实际问题都会有自身一些基本的、显而易见的特征信息或知识。然而进化算法中的交叉和变异算子在求解问题时，操作的可变程度较小。基本概念

抗原 所有可能错误的基因，即非最佳个体的基因。

疫苗 根据进化环境或待求问题的先验知识，所得到的对最佳个体基因的估计。

抗体 根据疫苗修正某个个体的基因所得到的新个体。免疫算子有两种类型：

全免疫

非特异性免疫

目标免疫

特异性免疫免疫思想的实现

免疫算子即：群体中的每个个体在进化算子作用后，对其每一环节都进行一次免疫操作的免疫类型；即：在进行了进化操作后，经过一定的判断，个体仅在作用点处发生免疫反应的一种类型。免疫操作的基本过程

首先，对待求问题进行具体分析，从中提取出最基本的特征信息；

其次，对此特征信息进行处理，以将其转化为求解问题的一种方案；

最后，将此方案以适当的形式转化成免疫算子以实施具体的操作。免疫算子

算法中的免疫思想主要是在合理提取疫苗的基础上，通过免疫算子来实现的；

免疫算子由接种疫苗和免疫选择两个操作完成的。TheImmuneoperator为了防止群体的退化。为了提高个体的适应度。设个体x，给其接种疫苗是指按照先验知识来修改x的某些基因位上的基因或其分量，使所得个体以较大的概率具有更高的适应度。疫苗是从先验知识中提炼出来的，它所含的信息量及其准确性对算法性能的发挥起着重要的作用。免疫算子接种疫苗之这一操作一般分两步完成：第一步是免疫检测，即对接种了疫苗的个体进行检测，若其适应度仍不如父代，则该个体将被父代中所对应的个体所取代；第二步是退火选择，即在目前的子代群体中以右边所示概率免疫算子免疫检测之选择个体进入新的父代群体。在免疫策略中，仅有免疫检测而没有退火选择。体系结构免疫算法免疫算法随机产生初始父代种群A1，根据先验知识抽取疫苗；若当前群体中包含最佳个体，则算法停止运行并输出结果；否则，继续；对当前第k代父本种群Ak进行交叉操作，得到种群Bk；对Bk进行变异操作，得到种群Ck；对Ck进行接种疫苗操作，得到种群Dk；对Dk进行免疫选择操作，得到新一代父本Ak+1，转至第二步。ImmuneAlgorithm---IA免疫算法的收敛性状态转移过程示意图：定理：免疫算法是收敛的。定义：如果对于任意的初始分布均有则称算法收敛。具体分析待求问题，搜集特征信息。免疫疫苗的选取方法通用方法之一以TSP问题为例，通过具体分析可以得出相邻两两城市之间的最短路径即为求解该问题时可以利用的一种疫苗。TSP问题的描述TSP问题是旅行商问题的简称。即一个商人从某一城市出发，要遍历所有目标城市，其中每个城市必须而且只须访问一次。所要研究的问题是在所有可能的路径中寻找一条路程最短的路线。该问题是一个典型的NP问题，即随着规模的增加，可行解的数目将做指数级增长。TSP问题的分析设所有与城市Ai距离最近的城市为Aj,进行一次如虚线所示的调整后,多数情况下，l3较aj-1+aj的减少量要大于l1+l2较ai的增加量。故：Begin:while(Conditions=True)统计父代群体，确定最佳个体： ;分解最佳个体，抽取免疫基因： ;执行遗传和免疫算子操作;end免疫疫苗的选取方法自适应方法之二仿真实验基于IA的TSP求解a.免疫抗体 b.最优化路径75城市的