人工免疫算法及其在图像增强中的应用

第4讲 免疫算法概要

第4讲免疫算法 学习目的：了解和掌握免疫算法的基本思想和流程，解决优化等实际问题 学校要点：一般免疫算法、免疫克隆选择算法、免疫网络算法，免疫调度算法，其他改进的免疫算法。免疫算法在调度等优化问题方面的应用。 内容概述：免疫算法没有统一的模式，即使在生物学基础上也不是统一的。它与遗传算法等传统自然计算或计算智能方法的差别在于，遗传算法、人工神经网络等方法是基于单一的生物学理论而发展，比如进化论、人脑的神经网络结构。而免疫算法的生物学基础是多样的，比如免疫网络、克隆选择理论、阴性选择等，基于这些免疫学理论或机制已经开发出多种形式的算法模型。它是人工免疫系统的主要研究内容，也是免疫计算的主要形式。免疫算法是面向问题的方法，因此从人工免疫系统发展以来，已经有许多用于不同领域的免疫算法开发出来[3][4][5][6][7]，多数利用免疫系统的某一方面机制或原理设计新算法，或者改进现有技术。所依据的原理基本是传统的免疫学理论，因此免疫算法从启发源角度大致大致可以分为三类：免疫网络模型（分连续和离散两种形式）、克隆选择、阴性选择。代表性的主要有一般免疫算法[8]、早期的骨髓模型[9]、De Castro提出的克隆选择算法[10]、Forrest提出阴性选择算法[11]，De Castro提出的人工免疫网络算法（aiNet）等[12]。此外，文献[13]中提出了B细胞算法，文献[14]最早提出了基于疫苗概念的免疫算法。文献[15][16]分别对免疫算法进行了较为深入的研究。多数免疫算法都是针对优化问题展开研究，具体见第9、10章。 上述免疫算法可进一步分为两类：基于群体的和基于网络的。第一类包括所有不考虑免疫网络的免疫算法，如阴性选择、克隆选择算法等，基于网络的算法是所有受免疫系统网络理论启发的算法。一般免疫算法本质上是基于网络的算法。 图4.1 免疫算法与搜索算法 4.1 一般免疫算法

基于Matlab的人工免疫算法

文件头: 一个基于Matlab的人工免疫算法 %Immune Algorithm based on the immune network model for function f(x1,x2) optimum %copy right SCUT Guangxing Tan 2005.02.18 clear all; %Parameters Size=120; G=200; CodeL=15; E=round(rand(Size,2*CodeL)); %Initial Code %Main Program for k=1:1:G time(k)=k; for s=1:1:Size m=E(s,:); y1=0;y2=0; %Uncoding m1=m(1:1:CodeL); for i=1:1:CodeL y1=y1+m1(i)*2^(i-1); end x1=10.24*y1/65535.0-5.12;

m2=m(CodeL+1:1:2*CodeL); for i=1:1:CodeL y2=y2+m2(i)*2^(i-1); end x2=10.24*y2/65535.0-5.12; %f(X1,X2)=(a/(b+(x1*x1+x2*x2)))*(a/(b+(x1*x1+x2*x2)))+(x1*x1+x2*x2)*(x1*x1+x2*x2) %here -5.12=

免疫算法实例

智能控制课程综合报告 学院自动化学院 专业控制科学与工程 学号 学生姓名 指导教师 2016年6月7日

基于免疫优化算法的物流中心选址 1、建立模型 在物流配送中心选址模型中做如下假设 1）.配送中心的规模容量总可以满足需求点需求，并由其配送辐射范围内的需求量确定。 2）.一个需求点仅由一个配送中心供应。 3）.不考虑工厂到配送中心的运输费用。 然后要从n 个需求点中找出配送中心，并向需求点配送物品。目标函数是各配送中心到需求点的需求量和距离的乘积之和最小。 目标函数如下： 2、问题的求解 2.1算法的实现步骤： 1）.产生初始种群。 2）.对上述群体中各个抗体进行评价。 3）.形成父代群体。 4）.判断是否满足条件，是则结束，反之，则继续下一步操作。 5）.新种群的产生。 6）.转去执行步骤2。 2.2流程图如图1-1： ∑∑ =ij ij i Z d w F

图1-1 算法流程图 2.3初始群体的产生 如果记忆库非空，则初始抗体群从记忆库中生成。 否则，在可行解空间随机产生初始抗体群。此处 采用简单的编码方式。每个选址方案可形成一个长度为P 的抗体（P 表示配送中心的数量），每个抗体代表被选为配送中心的需求点的序列。如：考虑包含31个需求点的问题，从中选取6个作为配送中心。抗体 [2,7,15,21,29,11]代表一个可行解。 2.4、解的多样性评价 1）.抗体与抗原之间的亲和力 表示新的目标函数，分母的第二项表示对违反距离约束的解给予惩罚C 取比较大的正数。 2）.抗体与抗体之间的亲和力 其反映抗体之间的相似程度，此处借鉴Forrest 等人提出的R 位连续方法计算抗体之间的亲和力，两个个体有至少R 位编码相同则两种抗体近似相同。 ∑∑∑∑--==)0.1min(1F 1v v ij ij ij i Z C Z d w A ∑∑=ij ij i Z d w F v F L k s v s v ,,S =

人工免疫系统及其算法综述

基于异构网络环境的人工免疫系统及其算法研究综述 摘要：人工免疫作为一种新型的研究领域，有着广泛的应用范围，人工免疫算法的研究也已成为人工智能研究领域的一个重要内容，它突出地体现了现代科学发展的多层次、多学科和多领域的相互渗透、相互交叉和相互促进的特点。因此，将人工免疫系统的原理应用在计算机领域有着重要的理论意义和实际应用价值。本文详细介绍了几种常见的免疫算法机理，并指出了人工免疫系统的研究方向。 关键词：人工免疫系统，人工免疫算法 1、人工免疫系统介绍 1.1 人工免疫系统 20世纪70年代，Jerne[1,2]首先提出了人工免疫系统的网络假说，并以此开创了独特型网络理论。独特型网络理论为人工免疫系统以后的应用和研究提供了理论指导，并发展成为人工免疫的基础理论之一。 Perelson[3]在独特型网络理论的基础上进一步给出了免疫网络的数学框架，从而加快了人工免疫系统在计算机科学方面的发展。1986年，Farmer【4】基于免疫网络的假说，构造了一个免疫系统的动态模型，并提出了一些学习算法的构造思想。此后Forrest 又提出了阴性选择算法，他的工作对于人工免疫系统的发展尤其是在信息安全领域应 用的发展具有十分重要意义。随后的研究者不断从生物免疫系统中吸取精髓，使之广泛用于优化、数据分析、机器学习、聚类分析、模式识别、故障诊断、机器人控制、自适应控制领域、计算机及网络安全领域等各个应用领域。人工免疫系统主要关注的是用计算和数学模型对免疫学进行模拟，更好地了解免疫系统。人工免疫包括：免疫系统，遗传系统和神经系统。 按照目前人们普遍接受的观点，基于免疫系统仿生机理开发的入工免疫系统[9-12]的理论研究主要在集中在人工免疫网络模型 和人工免疫算法两个方面。针对人工免疫网络模型的研究多集中在以Jerne的独特性免疫网络为基础的不同模型仿真实验上。而针对人工免疫算法的研究主要是在已有系统 模型的基础上，制定一些目的性较强的计算方法或实施策略，主要包括免疫遗传算法、克隆选择算法、阴性选择算法和免疫学习算法等。 1.2 人工免疫系统处理特性 从信息处理的角度上分析，人工免疫系统具有如下特点： （1）多样性：免疫系统抗体库的多样性特征，能及时对不同类型的入侵抗原进行有效的保证和消除。 （2）容错性：免疫系统在分类和响应中突发的一些比较小的信息处理错误不会使整个信息处理结果造成严重影响。 （3）分布自律性：免疫系统没有集中控制系统，它是由许多局部的并且相互作用的基本信息单元联合起来达到对全局的保护。 （4）动态稳定性：免疫系统要消除各种外来的不断变化的入侵抗原，并保持整个系统的稳定。 （5）自适应鲁棒性：免疫系统具有非常强的自我学习能力，并且通过此学习使其成为能够随环境不断变化而不断改变和完善的一个自适应型的鲁棒进化系统。 2、免疫算法[6-8]介绍 人工免疫系统是借鉴免疫系统机理特点和功能的智能系统，具有广泛的应用和理论基础。在此着重阐述免疫算法的研究和AIS的应用研究。 2.1 免疫遗传算法 为了使遗传算法在个体多样性和群体收敛性之间取得平衡，并克服遗传算法的缺

免疫算法

目录 1选题依据和意义 (2) 1.1研究背景及意义 (2) 1.2免疫算法的概述 (2) 1.3免疫算法的研究现状 (3) 1.4物流配送中心选址的概述 (4) 1.5物流配送中心的研究现状： (4) 1.6论文组织结构 (5) 2基本的免疫算法 (5) 2.1免疫算法的相关概念介绍： (6) 2.2免疫算法的步骤 (7) 2.3免疫算法流程图： (8) 2.4选择参数 (11) 2.5免疫算法与遗传算法的比较： (12) 3物流配送中心选址的数学模型的建立 (13) 4免疫算法物流配送中心选址中的应用： (14) 5实验： (15) 5.1小结 (18) 6总结与展望 (18)

1选题依据和意义 1.1研究背景及意义 科技日新月异的发展的21世纪，学科之间的融合成为了各学者的研究新方向，各学科之间相互渗透、相互影响、相互作用成为了新世纪科技发展的新特征。其中，由计算机科学与生命学科相互结合而产生的新型智能算法——免疫 算法就是其中的代表之一。 近年来，随着我国经济的快速发展并逐渐走向全球化的道路，物流已成为 了经济发展的重要产业之一，现如今各大城市都建设有自己的物流配送网络， 这对于城市的招商引资，资源的优化配置，经济产业的运行效率都有着促进作用。物流配送中心作为物流业重要的环节，其选址问题吸引着专家学者投身研 究当中。由于物流配送中心一旦选定并进行建设，其位置是固定的，所以在地 址的选定上尤为重要。相比较于传统的选址方法，免疫算法以其收敛速度快， 鲁棒性强等特点，得到专家学者们的青睐。 免疫算法是模仿生物免疫机制，结合基因的进化机理，人工地构造出的一 种新型智能搜索算法。免疫算法具有一般免疫系统的特征，免疫算法采用群体 搜索策略，一般遵循几个步骤”产生初始化种群→适应度的计算评价→种群间个 体的选择、交叉、变异→产生新种群”。通过这样的迭代计算，最终以较大的概 率得到问题的最优解。相比较于其他算法，免疫算法利用自身产生多样性和维 持机制，保证了种群的多样性，克服了一般寻优过程中特别是多峰值的寻优过 程中不可避免的“早熟”问题，求得全局最优解。大量表明，免疫算法能在较少 的迭代数能快速收敛到全局最优。因此，免疫算法在物流配送中心选址问题的 研究具有一定的应用价值和参考价值。 1.2免疫算法的概述 人们对人工免疫算法的研究从免疫学的基础上开始的。对免疫算法的深入研究，发现其在解决复杂问题上西安实处了强大的信息处理能力。

人工免疫算法介绍

Immune(免疫)是从拉丁文Immunise衍生而来的。很早以前，人们就注意到传染病患者痊愈后，对该病有不同程度的免疫力。因此，在相当长时期内，免疫在微生物学和病毒学上是指免除瘟疫；换言之，是指对传染因子的再次感染有抵抗力，这是机体在初次感染后对该传染因子产生了免疫应答的结果。在医学上，免疫是指机体接触抗原性异物的一种生理反应。免疫系统有能力产生很多种抗体，免疫系统的控制机制可完成这一调节功能，即只产生所需数量的抗体。根据网络理论，如果任一细胞系中的细胞由于抗原的刺激而被激活并开始繁殖，其它能识别这种基因类型的细胞系也被激活并开始繁殖。这样，如果这一过程连续地进行，就构成了对自身的免疫，并且通过所有淋巴细胞的作用实现了调节机制。 基本免疫算法 基本免疫算法基于生物免疫系统基本机制，模仿了人体的免疫系统。基本免疫算法从体细胞理论和网络理论得到启发，实现了类似于生物免疫系统的抗原识别、细胞分化、记忆和自我调节的功能。如果将免疫算法与求解优化问题的一般搜索方法相比较，那么抗原、抗体、抗原和抗体之间的亲和性分别对应于优化问题的目标函数、优化解、解与目标函数的匹配程度。 通俗地说，抗原就是入侵人体的病原体，而人体内的免疫系统会相应地产生免疫应答，产生抗体。而其中B细胞和T细胞的重要作用： B 细胞的主要功能是产生抗体，且每个B细胞只产生一种抗体．免疫系统主要依靠抗体来对入侵抗原进行攻击以保护有机体．T细胞的主要功能是调节其它细胞的活动或直接对抗原实施攻击．成熟的B细胞产生于骨髓中，成熟的T细胞产生于胸腺之中。B细胞和T 细胞成熟之后进行克隆增殖、分化并表达功能．两种淋巴细胞共同作用并相互影响和控制对方功能，形成了机体内部高度规律的反馈型免疫网络． 对于不同的系统，你所要关注的量不同的话，人工免疫的应用也就有不同的意义． 比如说，我要应用到通过估计饭堂里吃饭的人数，来寻优哪个时间点是最好的吃饭点（人数较少，饭又比较多等条件），这是你可以先定义一个目标函数minf (x)+约束条件来作为抗原，而争对抗原的变量计算，可以产生很多抗体（就是许多种可以选择的情况），再通过判断抗原和抗体的亲和力（亲和力高表示这个抗体是比较好的），和抗体之间的排斥力（相似度，相似度高的两个可以排除一个，使抗体多样化），再同通过交叉变异等操作来更新抗体，一直循环到满足一定条件就可以退出循环。 免疫的机理是具有特定性的，最可以说明问题的就是种牛痘只能防止天花，他不可能产生免疫防止肝炎。并且多目标优化多是互相矛盾的，没有又想让马儿跑还想让马儿不吃草的好事情。解决优化最简单的是图论中著名的柯尼斯堡七桥问题和欧拉示性一笔画方法。再就是优选法的0.618黄金分割和QC的质量控制方法。免疫算法是基于生物免疫学抗体克隆的选择学说，而提出的一种新人工免疫系统算法-免疫克隆选择算法ICSA（Immune Clonal Selection Algorithm），ICSA算法具有自组选择学习、全息容错记忆、辩证克隆仿真和协同免疫优化的启发式人工智能。由于该方法收敛速度快，求解精度高，稳定性能好，并有效克服了早熟和骗的问题，成为新兴的实用智能算法。

免疫算法

免疫算法理论与应用近代免疫的概念是指机体对自己或非己的识别并排除非己的功能，目的是维持自身生理平衡与稳定.免疫算法就是模拟免疫系统抗原识别、抗原与抗体结合及抗体产生过程，并利用免疫系统多样性和记忆机理抽象得到的一种免疫算法。这里介绍免疫算法的算法流程与代码.免疫学中基本概念的思想在免疫算法设计中得到有效应用，即亲和力，相似度，浓度及激励度,根据算法需要给出描述. 定义1 亲和力指抗体与抗原的匹配程度.反映在优化问题上，抗体（NBP）的亲和力定义为函数，与成反比，在此仍表示抗 (x)f(x)f(x)x体对应的可行解的目标函数.这里选 择 1 定义2 相似度指抗体 与其他抗体的相似程度，其被定义为，此根据信息熵理论设计.设M为含有m个字符的字符集，群体G为由N个长度为的字符串构成的集合，即l，其中G中基因座的信息熵定义为其中为M 中第个符号出现在基因座上的概率p ij定义3 抗体浓度指抗体在抗体群中与其相似的抗体所占的比例，定义为函数即 ，其中为 浓度阈值，，在此称为浓度抑制半径. 定义 4 激励度是指抗体应答抗原和被其他抗体激活的综合能力，定义为函 e 数，其中为调节因子，.抗体应答

抗原综合能力与其亲和力成正比，与其在抗体群中浓度成反比定义 5 克隆选择是 指在给定的选择率下，，在抗体群中选择亲和力较高的抗体.亲和力低的抗体则被清除. 定义6 细胞克隆是指在给定 的繁殖数M下，抗体群X中所有抗体依据自 s2身的亲和力及繁殖率共繁殖M个克隆的映射.，它是确定性映射，即设为抗体群的繁殖率函数，为抗体群，则定义x抗体繁殖个相同的克隆构成的集合. 由下式确定： mmiiim . 定义 7 亲和突变是指抗体空间到自身的随机映射，，其作用方式:S T m是抗体按与其亲和力成正比的可变概率独立地改变自身的基因，可选 . 定义 8 克隆抑制指在抗体群中依据抗体的亲和力和相似度抑制部分抗体的确定性映射,.克隆抑制算子的设计，设X是群体规模为M的抗体群，依据抗体的相似度和抑制半径以及式，将X划分为子群，不妨设获q个子群，利用处罚函数对中亲和力低的抗体进行处罚. 定义9 免疫选择是指在抗体群中依据抗体的激励度选择抗体的随机映射，N按其概率 规则 . x(X)ii j定义 10 募集

05第五章 人工免疫算法

第五章人工免疫算法习题与答案 1. 填空题 （1）人工免疫算法的缩写是，它是对的一种模拟。判别优劣的适应度函数这里称为。 （2）利用生物免疫系统的某一方面原理就可以设计新算法，因此人工免疫算法是多个算法的统称，其中最具代表性的算法有、 和。 解释： 本题考查人工免疫算法的基础知识。 具体内容请参考课堂视频“第5章人工免疫算法”及其课件。 答案： （1）AIA，生物免疫机理，亲和度 （2）否定选择算法、免疫规划算法、克隆选择算法 2.给出人工免疫算法的定义，并指出其特征。 解释： 本题考查人工免疫算法的定义和特点。 具体内容请参考课堂视频“第5章人工免疫算法”及其课件。 答案： 人工免疫算法是基于免疫学理论和生物免疫系统机制而提出的计算智能算法，是对生物免疫机理的一种模拟，并受到遗传算法的启发，因此免疫算法与遗传算法有许多相似之处。 AIS算法具有以下特征： （1）具有全局搜索能力。 （2）具有多样性保持机制。

（3）鲁棒性强。 （4）具有并行分布式搜索机制。 3.关于人工免疫算法，下面说法错误的是（）。 A）人工免疫算法是一种全局搜索优化方法。 B）抗原对应着优化问题的可行解。 C）免疫操作可以用于产生新的解。 D）优化问题的寻优过程实际上是免疫系统识别抗原并实现抗体进化的过程。解释： 本题考查人工免疫算法的特点。 具体内容请参考课堂视频“第5章人工免疫算法”及其课件。 答案：B （1）生物免疫系统运用多种免疫调节机制产生多样性抗体以识别、匹配并最终消灭外界抗原，免疫应答中的抗体更新过程是一个全局搜索的进化过程，A 选项正确。 （2）抗原对应着问题，抗体对应着优化问题的可行解，B选项错误。 （3）免疫操作中克隆变异、抗体补充等可以产生新的抗体，对应着新解产生的过程，C选项正确。 （4）优化问题的寻优过程对应着免疫系统识别抗原并实现抗体进化的过程，D选项正确。 4.试写出克隆选择算法的基本流程。 解释： 本题考查克隆选择算法CSA的步骤。 具体内容请参考课堂视频“第5章人工免疫算法”及其课件。 答案： 步骤1：初始化。随机产生N个抗体对应问题的可能解，作为初始种群。 步骤2：克隆选择操作。第一次评价和选择，计算种群抗体的亲和度函数，