《人工免疫系统》PPT课件.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,人工免疫系统,Contents,引言,1,2,免疫算法,3,典型的人工免疫系统,ARTIS,4,基本免疫方法,引言,人工免疫系统作为人工智能领域的重要分支，同神经网络及遗传算法一样也是智能信息处理的重要手段，已经受到越来越多的关注它通过类似于生物免疫系统的机能，构造具有动态性和自适应性的信息防御体系，以此来抵制外部无用、有害信息的侵入，从而保证接受信息的有效性与无害性背景,在生物科学领域，人们对进化、遗传和免疫等自然 现象已经进行了广泛而深入的研究；,进化算法是建立在模仿生物遗传与自然选择基础上的一种并行优化算法，其性能优异、应用广泛；,进化算子在为每个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；,大多数待求问题有可以利用的先验知识或特征信息，故可以利用这些信息来抑制进化过程中的退化现象；,生物免疫理论为改进原有算法的性能，建立集进化与免疫机制于一体的新型全局并行算法奠定了基础,一门新兴的研究领域,Farmer,等人在1986年首先在工程领域提出,免疫,概念,；,Varela,等人受免疫网络学说的启发，提出并进而完善免疫网络模型。

人工免疫网络模型,独特型免疫网络（,Jerne,）；,互联耦合免疫网络（,Ishiguro）；,免疫反应网络（,Mitsumoto,）；,对称网络（,Hoffmann,）；,多值免疫网络（,Tang）,.,免疫学习算法,反面选择算法（,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）,国际研究,1996年，日本，基于免疫性系统的国际专题讨论会，提出并确认,人工免疫系统（AIS）,的概念,；,1997年，IEEE的SMC组织专门成立了,人工免疫系统及应用,的分会组织；,目前，几乎所有有关人工智能领域的学术会议都收录,AIS,方面的论文应用,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）,国际研究新动向之一,以开发新型的智能系统方法为背景，研究基于生物免疫系统机理的智能系统理论和技术，同时将,AIS,与模糊系统、神经网络和遗传算法等软计算技术进行集成，并给出其应用方法国际研究新动向之二,基于最新发展的免疫网络学说进一步建立并完善模糊、神经和其它一些专有类型的人工免疫网络模型及其应用方法。

国际研究新动向之三,将人工免疫系统与遗传系统的机理相互结合，并归纳出各种免疫学习算法比如：免疫系统的多样性遗传机理和细胞选择机理可用于改善原遗传算法中对局部搜索问题不是很有效的情况；独特型网络机理可用于免疫系统中的遗传部分以避免系统出现早熟现象；发展用于处理受约束的遗传搜索和多准则问题的免疫学习算法等国际研究新动向之四,基于免疫反馈和学习机理，设计自调整、自组织和自学习的免疫反馈控制器展开对基于免疫反馈机理的控制系统的设计方法和应用研究，这有可能成为工程领域中种新型的智能控制系统，具有重要的理论意义与广泛的应用前景国际研究新动向之五,进一步研究基于免疫系统机理的分布式自治系统分布式免疫自治系统在智能计算、系统科学和经济领域将会有广阔的应用前景国际研究新动向之六,发展基于,DNA,编码的人工免疫系统以及基于,DNA,计算的免疫算法尝试将,DNA,计算模型引入人工免疫系统中，研究一种基于,DNA,计算与,AIS,相结合的，有较强抗干扰能力和稳定性能的智能系统,国际研究新动向之七,近年来有学者已开始研究,B,细胞抗体网络的振荡、混浊和稳态等非线性特性，不过其工作才刚刚开始人们应进一步借助非线性的研究方法来研究免疫系统的非线性行为，拓宽非线性科学的研究范围。

国际研究新动向之八,进一步发展,AIS,在科学和工程上的应用，并研制实际产品，如研制在复杂系统的协调控制、故障检测和诊断、机器监控、签名确认、噪声检测、计算机与网络数据的安全性、图像与模式识别等方面的实际产品生物免疫的启示,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；,生物免疫主要有两种类型：,特异性免疫,（,Specific Immunity），,非,特异性免疫反应,（,Nonspecific Immunity）；,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,免疫系统的主要功能,免疫防御,即机体防御病原微生物的感染；,免疫（自身）稳定,即机体通过免疫功能经常消除那些损伤和衰老的细胞以维持机体的生理平衡；,免疫监视,即机体通过免疫功能防止或消除体内细胞在新陈代谢过程中发生突变的和异常的细胞,大于阈值,spam,记忆细胞检测器,亲和力计算,不大于阈值,大于阈值,不大于阈值,亲和力计算,正文特征提取,用户反馈,未成熟细胞检测器,ham,spam,特征库,随机特征项,检测到,spam,？,删除该未成熟检测器,克隆记忆,Y,N,用户反馈,更新检测器、,spam,特征库,基本免疫方法,1.,免疫识别,2.,免疫学习,3.,免疫记忆,4.,克隆选择,免疫识别,免疫识别是免疫系统的主要功能，同时也是,AIS,的核心之一，而识别的本质是区分“自我”和“非我”。

核心机制是根据识别的对象特征进行编码，定义一个自我集合并随机产生一系列检测器，用于检测自我集合的变化根据阴性选择原理，若检测集合与自我集合匹配，则完成匹配任务，机体发现病变基本免疫方法,(1),定义自己,(self),为一个字符串集合,S,，每个字符串由,n,个字母组成，字符串可以是一个网络数据包，,电子邮件特征向量,或程序的一般行为模式2),产生一个初始监测器集合,R,3),监测器集合中每个监测器经历阴性选择过程其中每一个监测器都不能与集合,S,中的任何一个字符串相匹配，否则就从监测器集合中删去对应的检测器4),通过与,R,集合的,匹配,不断监测,S,的变化，一旦发生任何匹配，则说明,S,集发生了变化，即有外来抗原侵入基本免疫方法,在最初的算法描述中，候选的监测器是随机产生的，然后测试以删除与自身字串相匹配的监测器，算法中采用的匹配规则是,r-,连续位匹配,，即当两个字符串至少存在连续,r,位相同是才发生匹配该过程重复进行，直到,所需数量的监测器,被产生出来通常用,概率分析方法,来估算为了满足一定的可靠性所应有的监测器的数目基本免疫方法,免疫学习,免疫识别过程同时也是一个学习的过程，学习的结果是免疫细胞的个体亲和度提高、群体规模扩大，并且最优个体以免疫记忆的形式得到保存。

当机体重复遇到同一抗原时，由于免疫记忆机制的作用，免疫系统对该抗原的应答速度大大提高，并且产生高亲和度的抗体去除病原，这个过程是一个增强式学习过程而且可以对结构类似的抗原进行识别,基本免疫方法,免疫学习一般有以下几种途径,:,(a),对同一抗原进行重复学习，属于增强式学习b),亲合度成熟，对应于,AIS,中的个体经遗传操作后其亲合度逐步提高的过程，属于遗传学习c),低度的重复感染，对应于,AIS,的重复训练过程d),对内生和外生抗原的交叉应答，属于联想式学习，对应于联想记忆机制基本免疫方法,免疫记忆,当免疫系统初次遇到一种抗原时，淋巴细胞需要一定的时间进行调整以更好地识别抗原，并在识别结束后,以最优抗体的形式保留对该抗原的记忆信息,而当免疫系统再次遇到相同或者结构相似的抗原时，在联想记忆的作用下，其应答速度将大大提高免疫记忆主要体现在再次免疫应答和交叉免疫应答时，可以大大加速优化搜索过程，加快学习进程并提高学习质量基本免疫方法,克隆选择,克隆选择原理最先由,Jerne,提出，后由,Burnet,给予完整阐述其大致内容为,:,当淋巴细胞实现对抗原的识别,(,即抗体和抗原的亲和度超过一定阈值,),后，,B,细胞被激活并增殖复制产生,B,细胞克隆，随后克隆细胞经历变异过程，产生对抗原具有特异性的抗体。

克隆选择理论描述了获得性免疫的基本特性，并且声明只有成功识别抗原的免疫细胞才得以增殖经历,变异后的免疫细胞分化为效应细胞,(,抗体,),和记忆细胞两种,基本免疫方法,克隆选择的主要特征是免疫细胞在抗原刺激下产生克隆增殖，随后通过遗传变异分化为多样性抗体细胞和记忆细胞克隆选择对应着一个亲和度成熟的过程，即,对抗原亲和度较低的个体,在克隆选择机制的作用下，经历增殖复制和变异操作后，其,亲和度逐步提高而“成熟”,的过程因此亲和度成熟本质上是一个达尔文式的选择和变异的过程，克隆选择原理通过采用,交叉、变异等遗传算子和相应的群体控制机制,实现基本免疫方法,免疫算法,一般的免疫算法可分为三种情况,:,模仿免疫系统抗体与抗原识别，结合抗体产生过程而抽象出来的免疫算法,;,基于免疫系统中的其他特殊机制抽象出的算法，例如克隆选择算法,;,与遗传算法等其他计算智能融合产生的新算法，例如免疫遗传算法免疫算法的一般步骤,初始抗体生成,抗原识别,抗体促进和抑制,满足终止条件？,群体更新,结束,亲和力计算,记忆细胞分化,Y,N,免疫算法,(1),识别抗原：免疫系统确认抗原入侵2),产生初始抗体群体：激活记忆细胞产生抗体，清除以前出现过的抗原，从包含最优抗体,(,最优解,),的数据库中选择出来一些抗体。

3),计算亲和力：计算抗体和抗原之间的亲和力4),记忆细胞分化：与抗原有最大亲和力的抗体加给记忆细胞由于记忆细胞数目有限，新产生的与抗原具有更高亲和力的抗体替换较低亲和力的抗体5),抗体促进和抑制：高亲和力抗体受到促进，高密度抗体受到抑制通常通过计算抗体存活的期望值来实施6),抗体产生,:,对未知抗原的响应，产生新淋巴细胞,免疫算法,阴性选择算法,Procedure,Begin,随机生成大量的候选检测器,(,即免疫细胞,)/*,初始化*,/,While,一个给定大小的检测器集合还没有被产生,do/*,耐受*,/,Begin,计算出每一个自体元素和一个候选检测器之间的亲和力,;,If,这个候选的检测器识别出了自体集合中的任何一个元素,Then,这个检测器就要被消除掉,;,Else,把这个检测器放入检测器集合里面,;/*,该检测器成熟*,/,利用经过耐受的。