人工免疫算法

人工免疫系统概述

二十世纪八十年代,Farmer等人率先基于免疫网络学说给出了免疫系统的动态模型,并探讨了免疫系统与其它人工智能方法的联系,开始了人工免疫系统的研究。直到1996年12月,在日本首次举行了基于免疫性系统的国际专题讨论会,首次提出了“人工免疫系统” (AIS)的概念。随后,人工免疫系统进入了兴盛发展时期,D. Dasgupta和焦李成等认为人工免疫系统已经成为人工智能领域的理论和应用研究热点,相关论文和研究成果正在逐年增加。1997和1998年IEEE国际会议还组织了相关专题讨论,并成立了“人工免疫系统及应用分会”。D. Dasgupta系统分析了人工免疫系统和人工神经网络的异同,认为在组成单元及数目、交互作用、模式识别、任务执行、记忆学习、系统鲁棒性等方面是相似的,而在系统分布、组成单元间的通信、系统控制等方面是不同的,并指出自然免疫系统是人工智能方法灵感的重要源泉。Gasper等认为多样性是自适应动态的基本特征,而AIS是比GA更好地维护这种多样性的优化方法。

常见的免疫算法

免疫算法是基于免疫机理提出的高效的学习和优化算法,是AIS理论研究的重要内容之一。

1.克隆选择算法(CSA:Clone Selection Algorithm)
由于免疫系统本身的复杂性,有关算法机理的描述还不多见,相关算子还比较少。Castro L. D.、Kim J.、杜海峰、焦李成等基于抗体克隆选择机理相继提出了克隆选择算法。Nohara等基于抗体单元的功能提出了一种非网络的人工免疫系统模型。而目前两个比较有影响的人工免疫网络模型是Timmis等基于人工识别球(Artificial Recognition Ball, AR概念提出的资源受限人工免疫系统(Resource Limited Artificial Immune System, RLAIS)和Leandro等模拟免疫网络响应抗原刺激过程提出的aiNet算法。

2.B细胞网络算法(B—cell Algorthm)

以独特型网络理论和克隆选择理论为基础。Hunt等人模拟生物免疫系统的自学习、自组织机理提出一种人工免疫网络模型——B细胞网络及其算法。

算法将未知问题的解看作抗原,认为只要找到能产生最高亲和度的抗体的B细胞,也就找到了未知问题的解。

实验结果证明,该算法具有较强的寻优能力并保持网络中多种模式和谐并存,有比人工神经网络更快更好的模式识别能力。

3.阴性选择算法(NSA:Negative Selection Algorithm)

阴性选择算法基于生物免疫系统的特异性,借鉴生物免疫系统胸腺T细胞生成时的“阴性选择”(Negative Selection)过程。通过Forrest研究一种用于检测变数据变化的阴性选择算法,用于解决计算机安全领域的问题。该算法通过系统对异常变化的成功监测而使免疫系统发挥作用,而监测成功的关键是系统能够分清自己和非己的信息;随机产生检测器,删除那些测到自己的检测器,以使那些测到非己的检测器保留下来。

4.免疫遗传算法(IGA:Immune Genetic Algorithm)

免疫遗传算法可以看作一种新型融合算法,是一种改进的遗传算法,是具有免疫功能的遗传算法。

免疫算法相关文档:

解决函数优化问题的免疫算法

求解大规模TSP问题的自适应归约免疫算法



4 Responses to “人工免疫算法”

  1. Eremeeff  on 十月 1st, 2009

    Hi,
    I have already seen it somethere…
    Thanks

  2. Joker  on 九月 27th, 2009

    Hi,
    Can i take a one small pic from your site?
    Joker

  3. Elcoj  on 九月 24th, 2009

    Hi there,
    http://cnhup.com to GoogleReader!
    Thanks
    Elcoj

  4. SonyaSunny  on 九月 21st, 2009

    Everything dynamic and very positively! :)
    SonyaSunny


发表评论

You must be logged in to post a comment.