三种人工免疫算法综述
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
m m m m
B细胞向量v'以一定概率进入CRHO中； CRHO比传统的运行器变异率高； 由于经验，CRHO在第一次运行时就能找到合适的ρ值； CRHO选择采用精英机制。
Fig. Different Hamming Shape Spaces
计算机科学与技术学院
简单克隆选择算法——B细胞算法
Simple clonal selection algorithm-B Cell Algorithm(BCA)
m B细胞算法:简单稳定、通过评估、克隆、突变、选择的过程，设计了一个
case 2
m
Fig. 抗原决定簇与受体的结合 计算机科学与技术学院
人工免疫算法基础
Basics of AIS
m形状空间（shape
m
space）——Representation
( y1 , y2 , , yn )
例如：受体坐标： x
( x1 , x2 , , xn )
抗原决定簇坐标：y
欧式距离： D( x, y )
m m m
(x
j 1
n
j
y j )2
简单的方法： B ( x) 为受体x定义一个半径为 的“识别球” 判断抗原决定簇和受体的结合是否符合条件
B ( x) { y | D( x, y ) }
y B ( x) y B ( x)
1 ~ D( x, y ) 0
m形状空间（shape space） m 概念：在数量上描述细胞和抗原的关系。 m 思想：免疫细胞表面的受体和抗原决定簇的匹配程度以及无力 分子的适应程度决定了它们结合的强度。关系的数量影响了哪 种细胞被激活后将通过克隆选择增殖，或者哪些细胞将被抑制。
m 争议：抗原决定簇和受体是钥匙和锁的关系吗？ m 如果钥匙的形状是正确的，门永远会开。 m 对于受体来说抗原决定簇有一点不完美，只刺激符合
关于人工免疫算法
Something About AIS
计算机科学与技术学院
为什么在计算领域中研究免疫算法？
Why study the immune system for computation?
计算机科学与技术学院
人工免疫算法的生物学基础
Biological underpinnings of AIS
m 如何在选择中保持多样性？
m m m
克隆是随机的 元素向量是随机的 均匀的突变比例
计算机科学与技术学院
简单克隆选择算法——B细胞算法
Simple clonal selection algorithm-B Cell Algorithm(BCA)
m关于连续位突变器(Contguous Region Somatic Hypermutation Operator,CRHO)
Biblioteka Baidu
环境会被一些输入刺激后激活 m 管理动态系统是可适应的过程，例如， 行为随着时间的变化
关系方法
Affinity Measures
表现形式
Representation
应用领域
Application Domain
Fig. 人工免疫算法的分层框架
计算机科学与技术学院
人工免疫算法基础
Basics of AIS
使全部B细胞达到全局最优状态的算法。每一个成员都被视为一个独立的整 体，在群体中，没有相关作用，每一个B细胞都是一个Hamming空间内的L 维向量。功能g被用来评估每一个B细胞的向量，并生成g(v)。
Evaluation
B Cell v
Clonal Pool C
Adaptation Mutation
m 浮点数通常会得出一些我们不希望的特征，它会将一些小规模的
问题放大，导致我们面临了一个大规模的问题。所以我们需要考 虑的是一种离散的形状空间，而不是连续的。
Hamming形状空间 L 建立了在一个特定字母表 中，所有长度为L的元素集合。 定义·一个元素 e L , e (e1 , e2 , , eL ) 检测器 d L , d (d1 , d 2 , , d L ) 按照r-连续位匹配规则进行匹配，如果在某一位 置P处，存在 ei di for i p, p r 1, p L r 1 。 所以，得到长度相同的两个元素至少在r个连续 位上相同。
三种人工免疫算法综述
Reference：Timmins J,Hone A.Stibor T.et al.Theoretical advances in Artificial Immune system[J].Theoretical Computer Science.2008.403:11-32
中国民航大学 计算机科学与技术学院 刘东楠
条件的免疫细胞（刺激物的数量依赖于形状的完美匹 配）。
Fig. 抗原决定簇与受体的结合 计算机科学与技术学院
人工免疫算法基础
Basics of AIS
m形状空间（shape space）——Representation m 在同一空间内（可以是任意维度），分别用一个点表示抗原决 定簇和受体，它们的距离表示它们之间的关系。 m 维度不是特别重要，但是坐标是必须的，不同的坐标决定了物 质的大致形状。坐标可以测量结合部位的一些特征，例如：表 面的长度或者宽度，以及其它的一些决定因素。
l
l
m m
抗原决定簇和受体的关系是成比例的。 用 x [0, l ] 表示抗原决定簇，每一个决定簇有 一个最大的 l ，作为受体细胞可接受刺激物 数量的阈值。 受体可能还有其它的特征，或针对不同的抗 原决定簇有不同的结合部位。 用n个数定义每一个结合程度。
m
receptor
epitope
case 1
m
“识别球”的大小由受体决定，识别区域不需要一个准确的球形，整个空间的 容量关系应该提供一个可识别出的方法。
计算机科学与技术学院
人工免疫算法基础
Basics of AIS
m形状空间（shape
space）——Representation mHamming Shape Space
m 浮点数表示的缺陷
Fig.1 克隆选择过程
Fig.2 阴性选择（否定选择）
Fig.3 免疫网络 计算机科学与技术学院
人工免疫算法基础
Basics of AIS
人工免疫算法应用到工程领域中具备的要素：
m 系统组件的表现形式 m 具有个体和环境相互作用的评估机制，
解决方案
Solution
免疫算法
Immune Algorithms
B细胞向量v'以一定概率进入CRHO中； CRHO比传统的运行器变异率高； 由于经验，CRHO在第一次运行时就能找到合适的ρ值； CRHO选择采用精英机制。
Fig. Different Hamming Shape Spaces
计算机科学与技术学院
简单克隆选择算法——B细胞算法
Simple clonal selection algorithm-B Cell Algorithm(BCA)
m B细胞算法:简单稳定、通过评估、克隆、突变、选择的过程，设计了一个
case 2
m
Fig. 抗原决定簇与受体的结合 计算机科学与技术学院
人工免疫算法基础
Basics of AIS
m形状空间（shape
m
space）——Representation
( y1 , y2 , , yn )
例如：受体坐标： x
( x1 , x2 , , xn )
抗原决定簇坐标：y
欧式距离： D( x, y )
m m m
(x
j 1
n
j
y j )2
简单的方法： B ( x) 为受体x定义一个半径为 的“识别球” 判断抗原决定簇和受体的结合是否符合条件
B ( x) { y | D( x, y ) }
y B ( x) y B ( x)
1 ~ D( x, y ) 0
m形状空间（shape space） m 概念：在数量上描述细胞和抗原的关系。 m 思想：免疫细胞表面的受体和抗原决定簇的匹配程度以及无力 分子的适应程度决定了它们结合的强度。关系的数量影响了哪 种细胞被激活后将通过克隆选择增殖，或者哪些细胞将被抑制。
m 争议：抗原决定簇和受体是钥匙和锁的关系吗？ m 如果钥匙的形状是正确的，门永远会开。 m 对于受体来说抗原决定簇有一点不完美，只刺激符合
关于人工免疫算法
Something About AIS
计算机科学与技术学院
为什么在计算领域中研究免疫算法？
Why study the immune system for computation?
计算机科学与技术学院
人工免疫算法的生物学基础
Biological underpinnings of AIS
m 如何在选择中保持多样性？
m m m
克隆是随机的 元素向量是随机的 均匀的突变比例
计算机科学与技术学院
简单克隆选择算法——B细胞算法
Simple clonal selection algorithm-B Cell Algorithm(BCA)
m关于连续位突变器(Contguous Region Somatic Hypermutation Operator,CRHO)
Biblioteka Baidu
环境会被一些输入刺激后激活 m 管理动态系统是可适应的过程，例如， 行为随着时间的变化
关系方法
Affinity Measures
表现形式
Representation
应用领域
Application Domain
Fig. 人工免疫算法的分层框架
计算机科学与技术学院
人工免疫算法基础
Basics of AIS
使全部B细胞达到全局最优状态的算法。每一个成员都被视为一个独立的整 体，在群体中，没有相关作用，每一个B细胞都是一个Hamming空间内的L 维向量。功能g被用来评估每一个B细胞的向量，并生成g(v)。
Evaluation
B Cell v
Clonal Pool C
Adaptation Mutation
m 浮点数通常会得出一些我们不希望的特征，它会将一些小规模的
问题放大，导致我们面临了一个大规模的问题。所以我们需要考 虑的是一种离散的形状空间，而不是连续的。
Hamming形状空间 L 建立了在一个特定字母表 中，所有长度为L的元素集合。 定义·一个元素 e L , e (e1 , e2 , , eL ) 检测器 d L , d (d1 , d 2 , , d L ) 按照r-连续位匹配规则进行匹配，如果在某一位 置P处，存在 ei di for i p, p r 1, p L r 1 。 所以，得到长度相同的两个元素至少在r个连续 位上相同。
三种人工免疫算法综述
Reference：Timmins J,Hone A.Stibor T.et al.Theoretical advances in Artificial Immune system[J].Theoretical Computer Science.2008.403:11-32
中国民航大学 计算机科学与技术学院 刘东楠
条件的免疫细胞（刺激物的数量依赖于形状的完美匹 配）。
Fig. 抗原决定簇与受体的结合 计算机科学与技术学院
人工免疫算法基础
Basics of AIS
m形状空间（shape space）——Representation m 在同一空间内（可以是任意维度），分别用一个点表示抗原决 定簇和受体，它们的距离表示它们之间的关系。 m 维度不是特别重要，但是坐标是必须的，不同的坐标决定了物 质的大致形状。坐标可以测量结合部位的一些特征，例如：表 面的长度或者宽度，以及其它的一些决定因素。
l
l
m m
抗原决定簇和受体的关系是成比例的。 用 x [0, l ] 表示抗原决定簇，每一个决定簇有 一个最大的 l ，作为受体细胞可接受刺激物 数量的阈值。 受体可能还有其它的特征，或针对不同的抗 原决定簇有不同的结合部位。 用n个数定义每一个结合程度。
m
receptor
epitope
case 1
m
“识别球”的大小由受体决定，识别区域不需要一个准确的球形，整个空间的 容量关系应该提供一个可识别出的方法。
计算机科学与技术学院
人工免疫算法基础
Basics of AIS
m形状空间（shape
space）——Representation mHamming Shape Space
m 浮点数表示的缺陷
Fig.1 克隆选择过程
Fig.2 阴性选择（否定选择）
Fig.3 免疫网络 计算机科学与技术学院
人工免疫算法基础
Basics of AIS
人工免疫算法应用到工程领域中具备的要素：
m 系统组件的表现形式 m 具有个体和环境相互作用的评估机制，
解决方案
Solution
免疫算法
Immune Algorithms