D0I:10.13374/i.issn1001053x.2003.03.051 第25卷第3期 北京科技大学学报 VoL25 No.3 2003年6月 Journal of University of Science and Technology Beijing Jun.2003 人工免疫系统及人工免疫遗传算法 在优化中的应用 郑德玲”梁瑞鑫”付冬梅”李晓刚”方形引 1)北京科技大学信息工程学院,北京1000832)北京科技大学材料科学与工程学院,北京100083 3)泰康人寿保险公司,北京100031 摘要叙述了人工免疫学的概况及免疫系统的组成,提出了一种新的优化算法—免疫 遗传算法,该算法突出了免疫系统中抗体群合作进化思想.将该方法用于以高炉焦比为优化 目标的优化问题,取得较好的效果 关键词人工免疫:智能控制;优化;高炉 分类号T18 人工免疫是对生物免疫的模拟.免疫系统通 等组成,其基本功能是识别和清除抗原异物,表 过从不同种类的抗体中构造自己-非己非线性自 现为免疫防御、免疫自稳和免疫监视.其基本功 适应网络,在处理动态变化环境中起作用.基于 能见表1. 人工免疫系统提供了噪声忍耐、无教师学习、自 表1免疫系统的基本功能 组织,不需要反面例子,能明晰地表达学习的知 Table 1 Basic functions of the immune system 识,结合了分类器、神经网络和机器推理等学习 免疫防御抵抗病原体侵入 免疫缺陷病、免 系统的一些优点,从信息处理科学角度看,人工, 疫损伤、AIDS 免疫系统与神经网络系统一样,也是一个高度的 免疫自稳维持内环境相对稳定 自身免疫病 并行处理系统.它除了具备学习能力、记忆能力 免疫监视消灭突变细胞、防止癌变随獾发生、移植 外,还表现出相关修复能力、分布性和自组织性, 排斥反应 为智能控制和智能控制系统的研究提供又一 12免疫应答的过程 途径. 免疫应答(immune response)是指免疫细胞识 遗传算法是一种多点搜索和采用交叉操作 别抗原、活化、分化与增殖及消除异己成分以维 的技术,具有良好的全局搜索能力,但对局部空 持自身稳定的全过程,因而免疫应答是整个免疫 间的搜索问题不是很有效,个体的多样性减少得 学的核心. 很快.为了克服以上缺点,在研究生物免疫细胞 免疫应答是一个相当复杂的过程,由单核巨 克隆选择及调节机理的基础上,本文提出一种新 噬细胞系统和淋巴细胞系统协同完成。一般将特 的优化算法一人工免疫遗传算法,并将其用于 异性免疫应答分为感应阶段、增殖和分化阶段、 高炉焦比的优化上,取得一定的成效 效应阶段三个阶段,见图1. 13人工免疫算法流程 1免疫系统的组成及功能 免疫算法是借鉴生物机体的免疫系统的概 11组成及功能简介 念与理论,结合工程应用而描述的一种计算模 免疫是指生物体对感染具有抵抗能力.免疫 型,它将待求的问题对应为抗原,问题的一个解 系统是由许多执行免疫功能的器官、细胞、分子 对应为抗体.生物免疫系统对外来侵犯的抗原可 自动产生相应的抗体来抵御,抗体与抗原结合 收稿日期200207-30郑德玲女,63岁,教授,博士生导师 后,会通过一系列反应破坏抗原,并且抗体之间 *高等学校博士学科点专项科研基金(No.20020008004)
第 卷 第 期 年 月 北 京 科 技 大 学 学 报 匕 人工免疫 系统及人工免疫遗传算法 在优化 中的应用 郑 德 玲 ‘, 梁 瑞 鑫 ‘, 付 冬梅 ‘, 李晓 刚 , 方 形 ” 北京 科技 大学信息工 程学 院 , 北京 北京科技 大 学材料科学 与工程学 院 , 北 京 泰康人 寿保险公 司 , 北京 摘 要 叙述 了人工免疫 学 的概况 及免疫 系统 的组 成 , 提 出 了一 种新 的优化算法— 免疫 遗传算 法 , 该算法 突 出 了免疫系统 中抗体群合作进 化思想 , 将该方法 用 于 以高炉焦 比为优化 目标 的优 化 问题 , 取得较好 的效果 关键 词 人工免疫 智能控制 优化 高炉 分 类号 人工免疫是对生 物免疫 的模拟 免疫 系统 通 过从不 同种 类 的抗体 中构造 自己 一非 己 非 线性 自 适 应 网络 , 在 处 理 动 态 变化环 境 中起作用 基 于 人 工 免疫 系统提供 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 从信 息处 理科学 角度 看 , 人 工 免疫 系统 与神经 网络 系统一 样 , 也是一 个高度 的 并行处 理 系 统 它 除 了具备学 习 能力 、 记忆 能 力 外 , 还表现 出相 关修复能力 、 分布性 和 自组织性 , 为 智 能 控 制 和 智 能 控 制 系 统 的 研 究 提 供 又 一 途 径 遗 传算 法 是 一 种 多 点 搜 索 和 采 用 交 叉 操 作 的技 术 , 具有 良好 的全局 搜 索能力 但 对 局 部 空 间的搜 索 问题不是很有效 , 个体 的多样性 减少 得 很快 为 了克 服 以 上 缺点 , 在研究 生 物 免疫 细 胞 克 隆选择及调 节机理 的基础 上 , 本 文提 出一 种 新 的优化算法— 人工 免疫 遗传算法 , 并将其用 于 高炉 焦 比 的优 化上 , 取得 一 定 的成 效 等组 成 , 其基本 功 能 是识别 和 清 除抗原 异 物 , 表 现 为 免疫 防御 、 免疫 自稳 和 免疫监视 其基本 功 能 见 表 表 免 疫 系统 的基本功能 卜 免疫 防御 抵抗 病原体侵入 免疫 自稳 免疫 监 视 维 持 内环境 相 对稳 定 消灭 突变细胞 、 防止癌变 免疫缺 陷病 、 免 疫损伤 、 自身免疫病 踵瘤发生 、 移植 排斥反应 免疫 系统 的组成 及功 能 ‘, , 组成 及 功 能 简 介 免疫是 指 生 物 体对感 染 具有 抵抗 能 力 免疫 系统是 由许 多执行 免疫功 能 的器官 、 细 胞 、 分子 收稿 日期 一 郑德玲 女 , 岁 , 教授 , 博士 生 导 师 高等学校博士学科点专项 科研基金 免 疫 应 答 的过 程 免疫 应 答 是 指 免疫 细 胞 识 别 抗 原 、 活 化 、 分化 与增 殖及 消 除异 己 成分 以 维 持 自身稳定 的全过程 , 因而 免疫应答是整个免疫 学 的核 心 免疫 应 答 是一 个相 当复杂 的过 程 , 由单 核 巨 噬 细 胞 系统和淋 巴 细胞 系统协 同完 成 一般将 特 异 性 免疫应 答分为感 应 阶段 、 增 殖 和分化 阶段 、 效 应 阶段 三 个 阶段 , 见 图 人 工 免疫 算法流 程 免疫 算 法 是 借鉴 生 物 机 体 的 免疫 系 统 的概 念 与 理 论 , 结 合 工 程 应 用 而 描 述 的一 种 计算模 型 , 它将待 求 的 问题对应 为 抗 原 , 问题 的一 个解 对应 为抗 体 生 物 免疫 系统对外 来侵犯 的抗原 可 自动 产 生 相 应 的抗 体来 抵 御 , 抗体 与抗 原 结 合 后 , 会 通 过 一 系列 反 应 破坏 抗 原 , 并 且抗体之 间 DOI :10.13374/j .issn1001—053x.2003.03.051
Vol.25N0.3 郑德玲等:人工免疫系统及人工免疫遗传算法在优化中的应用 ·285· 感应阶段 增殖和分化阶段 效应阶段 抗原提呈细胞(APC活化阶段, 辅助细胞 (成熟的Ta) 效应性T,T一杀伤粑细胞 「巨噬细胞 树突状细胞 TD抗原+ 并指状细胞 成熟的T,T 细胞免疫 郎罕细胞 活化的辅助细胞 记忆T细胞淋巴因子 (效应T) T 记忆B细胞 抗原 成熟的B细胞一一 浆细胞 g液体免疫 图1免疫应答过程示意图 Fig.1 Immune response process schematic drawing 也有相互刺激与抑制反应,这种反应根据抗体浓 衡.信息熵可作为状态分散程度的度量.在免疫 度进行.抗体的浓度越高,则越受抑制;浓度越 优化中引入信息熵来判断抗体的多样性及等位 低,则越受促进.免疫算法如图2所示. 基因概率的变化进程. 抗原接收 设免疫系统由N个抗体组成,每个抗体有M 位基因.则根据信息熵理论,免疫系统中所有N 产生初始抗体 个抗体第j基因位的信息熵为: 群体评估 EM-=2Plog日) (1) 较优抗体入选记忆细胞库 其中,m为第j基因位上等位基因总数,P,是第j基 因位取第i个等位基因的概率.为了从抗体群中 选择 找出适应度较优的抗体,并产生新的群体,须进 基于进化策略的群体更新 行群体评估,即比较抗体与抗体、抗体与抗原间 终止条件满足 的亲和度.进一步可以得到任意两个抗体之间的 亲和度计算公式为: 图2免疫算法流程图 Fig.2 Immune algorism flowchart (A,=1+E2 (2) 其中,E(2)为两个抗体的平均信息熵,t表示抗 2免疫遗传算法B 体.可由下式计算 免疫遗传算法是借鉴生物免疫系统的自适 B2-2E (3) 应识别和排除侵人机体的抗原性异物的功能,将 即抗原和抗体的亲和度定义为该抗体的适应度, 生物免疫系统的学习、记忆、多样性和识别的特 (A),=g(X) (4) 点引人遗传算法.在解决实际问题时,目标函数 g(0为抗体i的适应度函数,y表示抗原 和约束条件作为抗原输人,随后,产生初始抗体 2.2浓度调节适应度 群,并通过一系列遗传操作及抗体亲和度的计 为保持抗体的多样性,需要进行浓度调节 算,在保持抗体多样性的情况下,找出针对该抗 抗体j的浓度D定义为群体中与抗体j亲和度大 原的抗体,即问题的解. 于阈值4的抗体所占的比例,即D,等于与抗体j 2.1多样性和亲和度的计算 的亲和度大于μ的抗体数之和除以.0.8≤4≤1, 生物机体免疫系统中的抗体具有足够多样 具体根据实际经验及所解问题来定,可以看出 性,以对付不同的抗原,整个系统在抗体与抗原, 0sD<1. 抗体与抗体之间的相互作用中保持着微妙的平 浓度调节适应度是在原适应度基础上引入
郑 德 玲 等 人 工 免疫 系统 及 人 工 免疫遗传 算法 在 优化 中的应 用 礁篡霜菜淤遭缨览才 一 效 段 辅助 细胞 一 嘿 。 卿 助 效应性 呱 一 杀睽 · 抗原 礴而施一 罗 的 几 兀 门队 细胞免疫 ‘即 罕 细 胞 活化的辅助 细胞 记忆 又 杨淤 淋 巴 因子 原 一 一竺嫌 的 细胞 ‘ 蕴二 一 液 图 免疫应 答 过 程示 意 图 · 也有相互刺激与抑制反 应 , 这种反应根 据抗体浓 度进行 抗体 的浓 度 越 高 , 则 越受 抑 制 浓 度越 低 , 则 越受促 进 免疫算法 如 图 所示 抗原接收 产生初始抗体 群体评估 较优抗体入选记忆细胞库 选择 基于进化策略的群体更新 终止条件满足 衡 信息嫡 可作 为 状 态分散程度 的度 量 在免疫 优 化 中引人 信息嫡来 判 断抗 体 的 多 样性 及 等位 基 因概 率 的变 化进程 设免疫 系统 由万个 抗 体组 成 , 每个抗 体有 位基 因 则 根据 信息嫡 理论 , 免疫 系统 中所 有 个抗 体第 基 因位 的信息 嫡 为 玛闪 一 纳 曰 图 免 疫算法 流 程 图 · 免疫 遗传算 法 ’, 免疫 遗 传 算法 是 借 鉴 生 物 免疫 系 统 的 自适 应识别和排 除侵人机体的抗原性异 物 的功 能 , 将 生 物免疫 系统 的学 习 、 记忆 、 多样 性 和识别 的特 点 引人遗传算法 在 解 决实 际 问题 时 , 目标 函数 和约 束条件作为抗 原 输人 , 随后 , 产 生 初 始 抗体 群 , 并 通 过 一 系列 遗 传操作 及抗 体亲 和 度 的计 算 , 在 保持抗 体多样性 的情 况 下 , 找 出针对该抗 原 的抗体 , 即问题的解 多样 性 和 亲和 度 的计 算 生 物 机 体免疫 系 统 中的抗 体具有 足 够 多 样 性 , 以对 付不 同的抗 原 , 整个 系统 在抗体 与抗原 , 抗 体与抗 体之 间 的 相 互 作用 中保持着 微 妙 的平 其 中 , 为第 基 因位上 等位基 因总数 ,几是翁基 因位 取第 个 等位基 因 的概 率 为 了从抗体群 中 找 出适 应 度较优 的抗 体 , 并产 生 新 的群 体 , 须进 行群 体评估 , 即 比较抗 体 与抗体 、 抗 体与抗原 间 的亲 和度 进一 步可 以 得 到任意 两个抗体之间 的 亲 和度 计算公 式 为 一 二去不 十百 、 ‘ , 其 中 , 为 两 个抗 体 的 平 均 信息 嫡 , 表 示 抗 体 可 由下 式计算 ,一 命叁 即抗原 和抗体的亲和度定义 为该抗体 的适应度 , 办 乡 欠 团为抗 体 的适 应 度 函数 , 表示 抗原 浓 度调 节 适 应 度 为保持抗 体 的多样性 , 需 要 进行 浓 度 调 节 抗 体 的浓 度 定 义 为 群 体 中与抗 体 亲 和度 大 于 闭值 召 的抗 体所 占的 比例 , 即 几 等于 与抗体 的 亲 和 度 大 于户的抗 体数 之 和 除 以 ‘ 声‘ , 具体根 据 实 际 经 验 及 所 解 问题来 定 , 可 以 看 出 兰几‘ 浓 度 调 节 适 应 度 是 在 原 适 应 度 基 础 上 引 人
·286· 北京科技大学学报 2003年第3期 浓度调节机制,定义为: 动阈值法建立的优化方程 BY ga(X)=1+aln(1+D) (5) 优化变量为高炉的原料燃料条件(包栝炉料 g()为抗体j的原适应度函数,>0,具体根据待 配比、煤粉喷吹等)、鼓风常数、高炉煤气、炉渣成 解决问题和经验来定.从式(⑤)可以看出,抗体原 分、产品质量参数等可能影响到冶炼焦比的 适应度越大,则复制选择概率越大,抗体浓度越 变量.状态变量为高炉炉型、操作水平、入炉炉料 高,则选择概率越小.这样既保留了优秀个体,又 特性参数等.模型的约束条件有平衡约束、工艺 可减少相似抗体的选择,确保个体的多样性. 约束和条件约束.用罚函数法处理约束条件,最 2.3免疫遗传算法的基本步骤1 后得到优化目标函数的适应度函数为: (1)抗原输人及参数设定.输入目标函数及约 Ming(X)=g(X)-P(X) (7) 束条件,作为抗原的输入,设定种群规模Popsize, 其中,g()为原优化函数得到的适应度函数, 交叉概率P。,变异概率Pm, g《)为考虑了罚函数后的新适应度函数,P)为 (2)初始抗体产生,识别抗原,从免疫记忆数 罚函数.采用免疫遗传算法对该问题求解时,抗 据库中提取优化变量经验数据的下限,在此基础 体的编码采用二进制.为提高精度,将优化变量 上叠加随机变量形成初始抗体群 分为两部分的和:一部分为经验数据最小值,不 (3)亲和度及浓度的计算.计算各抗体和抗原 需要编码;另一部分为遗传变量,需要编码.计算 的亲和度,计算各抗体的浓度 亲和度时为两部分的和,进行交叉、变异等操作 (4)终止条件判断.判断是否满足终止条件, 时仅用遗传变量.由于在经验数据附近寻优,所 是则将与抗原亲和度最高的抗体加人免疫记忆 以群体规模取为50即可.基于免疫遗传算法的 数据库中,然后终止:否则继续 高炉焦比目标优算法框图见图3. (⑤)选择操作.按照基于浓度调节的适应度函 抗原输入 数,根据采样选择方法选择个体进入下一代。 (⑥)交叉、变异操作.在选择操作的基础上,根 初始抗体产生 据设置的交叉概率P.和变异概率P。选择抗体进 行常规的交叉、变异操作 亲和度计算 记忆细胞库 (⑦)根据以上的操作更新群体后转到(3). 条件判断? 3目标优化及仿真 选择操作 输出优化结果 以高炉为目标,建立优化模型.以基耶夫热 储区为分界,将高炉看成两个串连的反应器,即 交叉和变异 上部反应器和下部反应器.并且假设上部区域全 部高价铁氧化物均还原成为浮式体铁,碳的气化 群体更新 反应只在下部区域进行,热储备带内COCO2 图3免疫遗传算法框图 FeO-Fe及H-H,O-FeO-Fe均趋近平衡. Fig.3 Immune genetic algorithm flowchart 设X=(xx,x)T为n维优化变量组成的向 用以上方法对某钢铁厂进行焦比优化计算, 量,C=(c,c,…,c)为焦比目标系数向量,则优化 得到优化结果与高炉实际生产比较结果如表2 目标函数为: 所示. Min f(X)=Minf(CX) (6) 从优化结果看,为降低焦比,需要提高喷煤 f)为根据高炉生产数据通过多元回归中的变 量,增加风温,加大富氧率,提高顶压,同时保持 表2优化结果与实际生产结果比较 Table 2 Comparison of optimizing results and practical productive results 喷煤比kgt)风温/℃富氧率%生铁含硅量%顶压/kP 煤气利用率%焦比kgt) 实际值 145 1077 2.0 0.64 60 18.03 407 最优值 160 1100 3.0 0.46 68 19.42 362
北 京 科 技 大 学 学 报 年 第 期 浓 度 调 节 机制 , 定 义 为 。 、 二 月 知因为抗体 的原适 应喘度 函漪数 , , 具体根据 待 解 决 问题和 经验来 定 从式 可 以 看 出 , 抗 体 原 适 应 度 越 大 , 则 复制选 择 概率越大 , 抗 体浓 度 越 高 , 则 选 择概率越小 这样 既保 留 了优 秀个体 , 又 可 减 少 相 似抗 体 的选 择 , 确保个体 的多 样 性 免 疫 遗传 算 法 的基 本步 骤 ’圳 抗原输入及参数设定 输人 目标 函数及 约 束条件 , 作为抗原 的输 人 , 设定 种 群 规模 , 交叉 概 率 , 变 异 概 率 初 始抗 体产 生 识别 抗原 , 从免疫 记忆 数 据库 中提取优化 变量经验数据 的下 限 , 在 此基础 上 叠加 随机 变 量 形 成初 始 抗 体群 亲 和度及浓 度 的计算 计算各抗体和抗原 的亲 和 度 , 计算各抗 体的浓 度 终止条件 判 断 判 断 是否 满 足终 止条件 , 是 则 将与抗 原 亲 和 度最 高 的抗体 加 人 免疫 记 忆 数据 库 中 , 然 后 终 止 否 则 继 续 选 择操作 按 照基于浓 度调 节 的适应 度 函 数 , 根据采 样 选 择方法 选 择个体进 入 下 一 代 交叉 、 变异 操作 在 选择操作 的基础上 , 根 据设置 的交叉 概 率 和 变异 概率 选择抗 体进 行常规 的交叉 、 变 异 操作 根 据 以 上 的操作更新 群 体后 转 到 动 阂值法 建立 的优 化 方程 优化 变量 为 高炉 的原料燃料条件 包括炉料 配 比 、 煤 粉喷吹等 、 鼓风 常数 、 高炉煤气 、 炉渣成 分 、 产 品 质 量 参 数 等 可 能 影 响 到 冶 炼 焦 比 的 变 量 状态 变量 为高炉 炉 型 、 操作水平 、 人炉 炉料 特性 参数 等 模 型 的约束条件有平衡约 束 、 工 艺 约 束 和 条件约 束 用 罚 函数法 处 理 约束条件 , 最 后 得 到优 化 目标 函 数 的适 应度 函数 为 义幻 “ 以刀一尸口 其 中 ,以幻 为 原 优 化 函 数 得 到 的 适 应 度 函 数 , ’ 为考虑 了罚 函数后 的新适 应 度 函数 尸口约为 罚 函数 , 采用 免疫遗传算 法 对该 问题求解 时 , 抗 体 的编 码 采 用 二 进 制 为 提 高精度 , 将 优化 变量 分 为两 部 分的 和 一 部 分为经 验数据最 小值 , 不 需 要 编 码 另 一 部分为遗传变量 , 需要 编码 计算 亲 和 度 时 为 两 部分 的 和 , 进 行交叉 、 变 异 等操作 时 仅用 遗 传变量 由于 在 经 验数据 附近 寻优 , 所 以 群体规模取为 即可 基 于 免疫遗 传算法 的 高炉 焦 比 目标优算法 框 图 见 图 目标优 化 及 仿 真 以 高炉 为 目标 , 建立 优 化模 型 以基 耶 夫 热 储 区 为分界 , 将高炉 看 成 两个 串连 的反 应 器 , 即 上 部反应 器 和下 部反 应器 并且假设上 部 区 域 全 部高价铁氧 化物均 还 原成 为浮式 体铁 , 碳 的气 化 反 应 只 在 下 部 区 域 进 行 , 热储备 带 内 一 卜 及 卜 均 趋 近 平 衡 设 二 ,丙 ,… 禹 为 维 优 化 变 量 组 成 的 向 量 , , ‘ ,… , 为焦 比 目标 系 数 向量 , 则 优 化 目标 函 数 为 幻 刀 只幻 为 根 据高炉 生 产 数 据 通 过 多 元 回 归 中 的 变 抗原输入 初始抗体产生 亲和度计算 记忆细胞库 选择操作 输 出优化结果 交叉和变异 群体更新 图 免疫 遗传算法框 图 用 以 上 方法对某 钢铁 厂 进行 焦 比优化计算 , 得 到 优 化 结果 与 高 炉 实 际 生 产 比较 结果 如表 所 示 从优 化结 果 看 , 为 降低焦 比 , 需 要 提 高喷煤 量 , 增 加 风 温 , 加 大 富氧 率 , 提高顶 压 , 同时保 持 表 优 化 结 果 与 实 际 生 产 结 果 比较 泣 喷煤 比 · 一 、 风 温 ℃ 富氧率机 生铁 含硅 量 顶 压 廿 煤气利用 率 焦 比 · 一 , 实 际值 ‘ ︸ 最优值
Vol.25 No.3 郑德玲等:人工免疫系统及人工免疫遗传算法在优化中的应用 ·287* 富氧与喷煤的相互调剂.其中喷煤对于降低焦比 材料的环境腐蚀规律、剩余寿命预测及其防护对 的作用已成共识,喷煤节焦以成为钢铁节能的一 策,将提高材料的使用寿命和经济效益,为国家 个重要推广技术.为了保证所喷充分燃烧,风温 节约大量资金 的提高和富氧极为重要.降低生铁含硅量可以减 参考文献 少高温区还原硅需要的热支出,从而降低焦比. 1漆安慎,杜婵英.免疫的非线性模型[M。上海:上 此外优化以上参数,还可以使煤气C0的利用率 海科技教育出版社,1998 提高. 2陈灏珠.实用内科学M个北京:人民卫生出版社,1987 3梁瑞鑫,郑德玲.免疫遗传算法在高炉焦比目标优 4结论 化中的应用[A].第21届中国控会议论文集[C].杭州: 浙江大学出版社,2002 免疫遗传算法由于在遗传算法的基础上引 4杨天钩,徐金悟,高炉冶炼过程控制模型北京: 人了抗体间亲和度的计算及调节机制,能有效保 科学出版社,1995 持抗体的多样性,避免早熟收敛.将其用于高炉 5丁永生,任立红.人工免疫系统:理论与应用[U模 焦比优化中,取得很好的效果四.用人工免疫理 式识别与人工智能,2000,13(1):52 论,通过对已有的大量数据深人挖掘,建立不同 6梁瑞鑫,郑德玲.基于区间套混沌搜索的混合优化 材料在不同环境下的不同免疫模型和同一材料 方法J.北京科技大学学报,2002,24(3):342 在不同环境下的统计免疫模型,进一步深人研究 Application of Artificial Immune System and Artificial Immune Genetic Algor- ithm to Optimization ZHENG Deling",LIANG Ruixing",FU Dongmei,LI Xiaogong,FANG Tong 1)Information Engineering School,University of Science and Technology Beijing,Beijing 100083,China 2)Material Science and Engineering School,University of Science and Technology Beijing Beijing 100083,China 3)Taikang Life Insurance Co,Ltd,Beijing 100031,China ABSTRACT The structure of the artificial immune system is introduced,and the immune genetic algorithm for optimization is proposed.A application of the algorithm to optimization for the coke ratio of a blast fumace shows that the algorithmthe is very avaiable KEY WORDS artificial immune;intelligence control;optimization;blast furnace
郑 德 玲等 人工 免疫 系统及 人 工 免疫遗传算法 在优 化 中的应 用 · 。 富氧与 喷煤 的相 互调 剂 其 中喷煤对于 降低 焦 比 的作用 已成共识 , 喷煤节焦 以成 为钢铁节 能 的一 个重 要 推广技 术 为 了保证所喷充分燃烧 , 风温 的提高和 富氧极 为重要 降低生 铁含硅量 可 以减 少高温 区还原 硅 需 要 的热 支 出 , 从 而 降低 焦 比 此外优化 以 上参数 , 还 可 以使煤 气 的利 用 率 提高 材 料 的环境腐蚀 规律 、 剩余寿命预测 及其防护对 策 , 将提高材料 的使用 寿命和 经济效益 , 为 国家 节 约 大量 资金 结 论 免疫 遗 传算 法 由于 在 遗传 算 法 的基础 上 引 人 了抗体间亲和度 的计算及调 节机制 , 能有 效保 持抗体 的多样性 , 避 免早熟 收敛 将其用 于 高炉 焦 比优化 中 , 取得很好 的效果 “ 用 人工 免疫理 论 , 通 过对 已 有 的 大量 数据深人挖 掘 , 建立 不 同 材 料在 不 同环境 下 的不 同免疫模型 和 同一 材 料 在不 同环境下 的统计免疫模 型 , 进一 步深人研究 参 考 文 献 漆安慎 , 杜 蝉英 免疫 的非线性模型 上海 上 海科技教育 出版社 , 陈颧珠 实用 内科学 明 北京 人民卫生 出版社 , 梁瑞鑫 , 郑德玲 免疫遗传算法在高炉焦 比 目标优 化 中的应用 第 届 中国控会议论文集 杭州 浙江大学 出版社 , 杨天 钧 , 徐金梧 高炉 冶炼 过程控制模 型 脚 北京 科学 出版社 , 丁永生 , 任立红 人工免疫系统 理论与应用 模 式识别与人工智能 , , 梁瑞鑫 , 郑德玲 基 于 区 间套混沌搜索的混合优化 方法【 北京科技大学学 报 , , 付 馆 , 乙侧刃 众 , 尸 口” 阴 , “ 心 , 厂 刃召 心 , , , , 川 招 乐 , , 山 , , , 斌 , 叩 加 出 而