正在加载图片...
第6期 肖人彬,等:工程免疫计算:基本概念与研究框架 ·31· 3.1工程免疫计算的基本原理 3.2工程免疫计算的实现技术 如前所述,EIC的基本原理包括免疫学基本概 3.2.1抗体的表示和评估 念、EIC的生物原型和EIC的特性及仿生机理.免 形态空间被用于对抗体进行形式化表达,通常 疫学基本概念指抗原、抗体、免疫和免疫应答等有关 采用的空间有3种,即欧氏形态空间(抗体表示为实 术语及其含义;EIC的生物原型是生物免疫系统,涉 数向量)海明形态空间(抗体用有限字符集上的字 及免疫系统组成结构、免疫机制、免疫学原理和免疫 符串表示)和整数形态空间(抗体用整数表示,是海 系统特性等.图4、图5分别罗列显示了主要的EIC 明形态空间的一种特殊形式).抗体的评估包括抗体 特性和典型的EIC仿生机理.EIC所具有的诸多优 和抗原之间结合(匹配)程度的评估以及抗体之间相 良特性是通过EIC丰富的仿生机理得到体现的,从 似程度的评估2个方面,一般用亲合度(affinity)表 而具有强大的信息处理和问题求解能力;而EC的 示,而亲合度的度量通常采用4种方法,即R连续 仿生机理则从信息处理的角度认识和剖析免疫系统 位法海明距离法、欧氏距离法或信息熵度量法 并抽取免疫机制和免疫系统特性的工作机理,是 3.2.2EIC求解算法 EC隐喻机制的不竭之源,因此深入认识免疫系统 基于EIC仿生机理开发的EIC求解算法如图6 并挖掘潜在的EIC仿生机理是开发有效的EIC求 所示,主要包括3种类型:①模仿免疫系统抗体和抗 解算法并用于工程实际的前提和基础, 原识别、结合以及抗体产生过程(借用GA的交叉和 变异算子),并利用免疫系统多样性机理抽象得到的 EIC特性 般免疫算法,这也是一种最简单的EIC算法;② 分 并 基于免疫学基本原理抽象得到的算法,主要有阴性 行 棒 现 选择算法、克隆选择算法和免疫网络算法,③面向工 式 性 织 性 程问题求解的各种算法,包括免疫识别算法、免疫优 化算法、免疫学习算法、免疫控制算法和免疫决策算 图4EIC特性 法等.在这3种算法中,前2种是EIC的基本求解 Fig,4 Characteristics of EIC 算法,最后一种则是为完成特定工程问题而设计的 应用型算法 EIC仿生机理 3.2.3免疫计算的综合集成 免疫计算的综合集成是指基于AIS的有关原 兔 兔 免 理对其他智能计算方法进行改进和加强或将AIS 疫识别 疫 隆选 与其他智能计算方法进行融合从而得到各种混合免 择 网络 谢 疫算法.目前研究较多的混合免疫算法有免疫进化 算法、免疫神经网络、免疫·多智能主体算法、免疫 图5 典型的EIC仿生机理 模糊算法等.此外,AIS也属于涌现计算范畴),因 Fig 5 Typical bionic principles of EIC 此免疫计算与群集计算的融合可望产生新的涌现计 算方法 般免疫算法 基本求解算法 EC求解算法 阴性选择算法、克隆选择算法、免疫网络算法 免疫识别算法、免疫优化算法、免疫学习算法 面向工程问题求 免疫控制算法、免疫决策算法 解的应用算法 图6EIC求解算法 Fig 6 Solving algorithms for EIC 智能计算方法的融合能够综合不同方法各自的 嵌入免疫操作利用免疫机理(主要是抗体多样性机 特点、各取所长,从而为问题求解提供更加有效的手 理)改进已有算法,尤其是对遗传算法进行改进.混 段.目前虽然已经有一些将免疫计算和其他智能计 合免疫计算有待向深层次发展,即通过将免疫计算 算方法进行混合的研究与应用,但是大都局限于低 的主要特点和思想引入其他智能计算方法,或将其 层次的简单混合,停留在简单地在其他方法中通过 他方法的主要特点和思想引入免疫计算,从而实现 C 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net311 工程免疫计算的基本原理 如前所述 ,EIC 的基本原理包括免疫学基本概 念、EIC 的生物原型和 EIC 的特性及仿生机理. 免 疫学基本概念指抗原、抗体、免疫和免疫应答等有关 术语及其含义 ; EIC 的生物原型是生物免疫系统 ,涉 及免疫系统组成结构、免疫机制、免疫学原理和免疫 系统特性等. 图 4、图 5 分别罗列显示了主要的 EIC 特性和典型的 EIC 仿生机理. EIC 所具有的诸多优 良特性是通过 EIC 丰富的仿生机理得到体现的 ,从 而具有强大的信息处理和问题求解能力 ;而 EIC 的 仿生机理则从信息处理的角度认识和剖析免疫系统 并抽取免疫机制和免疫系统特性的工作机理 ,是 EIC 隐喻机制的不竭之源 ,因此深入认识免疫系统 并挖掘潜在的 EIC 仿生机理是开发有效的 EIC 求 解算法并用于工程实际的前提和基础. 图 4 EIC 特性 Fig14 Characteristics of EIC 图 5 典型的 EIC 仿生机理 Fig15 Typical bionic principles of EIC 312 工程免疫计算的实现技术 31211 抗体的表示和评估 形态空间被用于对抗体进行形式化表达 ,通常 采用的空间有 3 种 ,即欧氏形态空间(抗体表示为实 数向量) 、海明形态空间 (抗体用有限字符集上的字 符串表示) 和整数形态空间 (抗体用整数表示 ,是海 明形态空间的一种特殊形式) . 抗体的评估包括抗体 和抗原之间结合(匹配) 程度的评估以及抗体之间相 似程度的评估 2 个方面 ,一般用亲合度 (affinity) 表 示 ,而亲合度的度量通常采用 4 种方法 ,即 R 连续 位法、海明距离法、欧氏距离法或信息熵度量法. 31212 EIC 求解算法 基于 EIC 仿生机理开发的 EIC 求解算法如图 6 所示 ,主要包括 3 种类型 : ①模仿免疫系统抗体和抗 原识别、结合以及抗体产生过程(借用 GA 的交叉和 变异算子) ,并利用免疫系统多样性机理抽象得到的 一般免疫算法 ,这也是一种最简单的 EIC 算法 ; ② 基于免疫学基本原理抽象得到的算法 ,主要有阴性 选择算法、克隆选择算法和免疫网络算法 ; ③面向工 程问题求解的各种算法 ,包括免疫识别算法、免疫优 化算法、免疫学习算法、免疫控制算法和免疫决策算 法等. 在这 3 种算法中 ,前 2 种是 EIC 的基本求解 算法 ,最后一种则是为完成特定工程问题而设计的 应用型算法. 31213 免疫计算的综合集成 免疫计算的综合集成是指基于 A IS 的有关原 理对其他智能计算方法进行改进和加强或将 AIS 与其他智能计算方法进行融合从而得到各种混合免 疫算法. 目前研究较多的混合免疫算法有免疫进化 算法、免疫神经网络、免疫 - 多智能主体算法、免疫 模糊算法等. 此外 ,AIS 也属于涌现计算范畴[7 ] ,因 此免疫计算与群集计算的融合可望产生新的涌现计 算方法. 图 6 EIC 求解算法 Fig16 Solving algorithms for EIC 智能计算方法的融合能够综合不同方法各自的 特点、各取所长 ,从而为问题求解提供更加有效的手 段. 目前虽然已经有一些将免疫计算和其他智能计 算方法进行混合的研究与应用 ,但是大都局限于低 层次的简单混合 ,停留在简单地在其他方法中通过 嵌入免疫操作利用免疫机理 (主要是抗体多样性机 理) 改进已有算法 ,尤其是对遗传算法进行改进. 混 合免疫计算有待向深层次发展 ,即通过将免疫计算 的主要特点和思想引入其他智能计算方法 ,或将其 他方法的主要特点和思想引入免疫计算 ,从而实现 第 6 期 肖人彬 ,等 :工程免疫计算 :基本概念与研究框架 ·31 ·
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有