人工免疫系統(tǒng)的若干關(guān)鍵問題研究.pdf

1、人工免疫系統(tǒng)是受自然免疫原理啟發(fā)而建立的計算模型,由陰性選擇算法、克隆選擇算法與免疫網(wǎng)絡(luò)三部分構(gòu)成。陰性選擇算法模擬T細(xì)胞精確的自體/異體識別能力,并成功應(yīng)用于異常檢測問題,但是該算法生成的檢測系統(tǒng)存在漏洞且計算代價高,影響實際應(yīng)用?？寺∵x擇算法則模擬了自然免疫系統(tǒng)在應(yīng)對外界攻擊時的免疫響應(yīng)過程,并將響應(yīng)過程中表現(xiàn)出的免疫特征應(yīng)用到高維全局優(yōu)化問題,但在優(yōu)化過程中,克隆選擇算法表現(xiàn)出早熟收斂、全局搜索能力不足的問題。免疫網(wǎng)絡(luò)模擬了自然免

2、疫系統(tǒng),但該模型中存在大量的參數(shù)、非常不成熟,導(dǎo)致實際應(yīng)用價值不高。
　　 本論文研究了陰性選擇算法與克隆選擇算法中存在的幾個關(guān)鍵問題,研究成果及主要創(chuàng)新如下:
　　 (1)為降低陰性選擇算法的時間復(fù)雜度,提出了一種應(yīng)用種子個體連續(xù)位刺激變異的檢測器生成策略。首先隨機(jī)生成種子檢測器集合,根據(jù)其與自體的親和度選定變異個體和變異片段；其次在被選個體的特定基因片段發(fā)生刺激一應(yīng)答變異,產(chǎn)生新的候選檢測器個體；最后應(yīng)用r位連續(xù)匹配

3、準(zhǔn)則篩選候選個體生成新的檢測器。該策略的特點在于利用種子個體和自體集合的模式信息指導(dǎo)變異過程,降低候選檢測器與自體的匹配成功率。實驗表明,在保持高檢測率的同時,種子檢測器變異算法比窮舉算法、個體隨機(jī)變異算法和檢測器連續(xù)胞體超變異算法的生成效率更高。
　　 (2)提出層次匹配算法用以降低陰性選擇算法的時間復(fù)雜度。首先從理論上證明了層次匹配算法的有效性,其次依據(jù)r位連續(xù)匹配準(zhǔn)則將自體集合分解為多個模式子集合以獲得構(gòu)成檢測器的組件,最

4、后通過二叉樹接合組件得到檢測器集合；層次匹配算法充分利用自體模式以提高搜索成功率、縮短生成時間；實驗結(jié)果表明,在同樣的實驗環(huán)境下層次匹配算法比傳統(tǒng)算法和位變異算法有更好的性能。
　　 (3)針對陰性選擇算法生成的異常檢測系統(tǒng)存在大量漏洞,提出了一種能夠探測系統(tǒng)全部漏洞的非檢測模式漏洞探測算法(EHANDP)。首先指出了目前檢測系統(tǒng)漏洞探測算法(EHASP)的不完備性；然后利用問題空間中的串模式證明了空間中個體成為漏洞的充分必要條

5、件,并提出探測系統(tǒng)漏洞的完備性算法EHANDP；能夠找出給定系統(tǒng)的全部漏洞是該算法的主要特點。實驗中采用隨機(jī)數(shù)據(jù)集和人工數(shù)據(jù)集比較了兩種漏洞探測算法。實驗結(jié)果表明,EHANDP算法不僅與EHASP有相同的計算復(fù)雜度,而且有更強(qiáng)的探測能力。
　　 (4)為了克服免疫算法在優(yōu)化高維多峰函數(shù)時存在的早熟收斂問題,提出一種高效的混合免疫進(jìn)化算法。動態(tài)克隆擴(kuò)張、基于存檔機(jī)制的超變異和多母體交叉是該算法的主要特點。同時提出了一種算法性能評價

6、準(zhǔn)則,以比較不同算法在優(yōu)化高維函數(shù)時的性能。在實驗部分,首先使用經(jīng)典測試函數(shù)測試了混合免疫進(jìn)化算法的性能,然后分別在不同的評估次數(shù)下比較了自適應(yīng)差分進(jìn)化、基本免疫算法和混合免疫進(jìn)化算法。實驗結(jié)果表明免疫進(jìn)化算法在求解精度、穩(wěn)定性等方面均明顯優(yōu)于前兩種算法。
　　 (5)針對免疫算法在全局優(yōu)化過程中多樣性不足的問題,提出一種新型的免疫進(jìn)化算法。提出的α-隨機(jī)克隆擴(kuò)張和多受體隨機(jī)編輯算子是該算法的主要特色,同時引入改進(jìn)的超變異算子以