智能系统控制人工免疫与免疫控制

龚涛智能系统控制人工免疫与免疫控制免疫计算智能系统的应用免疫算法人工免疫网络模型生物免疫机理人工免疫系统概述龚涛智能系统控制1概述•人工免疫系统的产生与发展•AIS的研究范畴及应用•免疫计算智能与其他智能技术的比较龚涛智能系统控制1.1人工免疫系统的产生与发展•生物信息系统可看成一个分布式自治系统，且能提供给科学和工程领域各种富有成效的技术和方法•由生物引发的信息处理系统可分为：脑神经系统（神经网络）、遗传系统（进化计算）和免疫系统（人工免疫系统（AIS））•神经网络和进化计算已被广泛地应用于各个领域，而AIS由于其复杂性没有引起与神经网络和进化计算等计算领域同等的重视，直到近几年才引起国内外研究学者的兴趣龚涛智能系统控制Dasgupta给出的定义：“人工免疫系统由生物免疫系统启发而来的智能策略所组成，主要用于信息处理和问题求解”Timmis给出的定义：“人工免疫系统是一种由理论生物学启发而来的计算范式，它借鉴了一些免疫系统的功能、原理和模型并用于复杂问题的解决”人工免疫系统的定义AIS的研究结果已涉及到控制故障诊断模式识别图像识别优化设计机器学习联想记忆知识发现异常检测计算机网络安全等许多领域龚涛智能系统控制人工免疫系统的产生与发展龚涛智能系统控制•AIS已成为许多国际期刊的重要议题如，EvolutionaryComputation，IEEETransactiononEvolutionaryComputation等，后者在2001年和2002年相继出版了AIS专辑•在国际会议方面，从1997年开始，IEEESystem，ManandCybernetic国际会议每年均组织专门的AIS研讨会•其它国际会议如GECCO（GeneticandEvolutionaryComputationConference），CEC（CongressonEvolutionaryComputation）等也将AIS作为主题之一•第一届AIS国际学术会议ICARIS（1stInternationalConferenceonArtificialImmuneSystems）也于2002年9月在英国Kent大学召开•2012年,首个人工免疫系统领域的学术刊物ImmuneComputation创刊人工免疫系统的产生与发展龚涛智能系统控制•AIS研究的主要内容是根据生物免疫系统的一些重要机理和原理，得到人工免疫网络模型和免疫学习算法，并将这些计算模型用于工程及计算机网络等各个方面•人工免疫网络模型的生物理论基础是各种免疫网络学说，如独特型网络、互联耦合免疫网络、免疫反应网络、对称网络和多值免疫网络等AIS的研究范畴及应用龚涛智能系统控制免疫算法有以下优点：•保存了多样性。因为免疫算法有两大特点，即多样性和自我调节，所以使用这一方法能够获得许多优化问题的最优解•记忆训练。应用免疫算法，通过重复的优化过程，能够很快地得到最优解。因为对于曾经出现过的抗原，免疫算法产生相应抗体的速度比以前更快。虽然遗传算法和免疫算法一样，都是模仿自然进化过程的优化模型，但是在记忆训练和不同抗体的产生方面，两者有本质的区别免疫算法与进化算法的比较龚涛智能系统控制免疫算法与一般的确定性优化算法相比，有以下显著特点：•它同时搜索解空间中的一系列点，而不只是一个点•它处理的对象是表示待求解参数的编码数字串，而不是参数本身•它使用的是目标函数本身，而不是其导数或其它附加信息•它的变化规则是随机的，而不是确定的免疫算法与进化算法的比较龚涛智能系统控制免疫算法与其它非确定性算法（如遗传算法进化策略等）之间有如下的区别：•它在记忆单元基础上运行，确保了快速收敛于全局最优解•它有计算亲和性的程序，反映了真实免疫系统的多样性•它通过促进或抑制抗体的产生，体现了免疫反应的自我调节功能免疫算法与进化算法的比较龚涛智能系统控制免疫算法有不同于其它算法的附加优化步骤：•计算亲和性。亲和性有两种形式：一种形式说明了抗体和抗原之间的关系，即解和目标的匹配程度；另一种形式解释了抗体之间的关系，这个独有的特性保证了免疫算法具有多样性•计算期望值。计算期望值的作用是控制适用于抗原（目标）的相同抗体的过多产生•构造记忆单元。用一组记忆单元保存用于防御抗原的一组抗体（优化问题的候选解）。在此基础上，免疫算法能够以很快的速度收敛于全局最优解免疫算法与进化算法的比较龚涛智能系统控制2生物免疫机理•生物免疫系统的组成与特征•免疫系统的计算能力•免疫系统的自体/异体识别机理•免疫系统的网络学说•免疫的学习机理•免疫系统的反馈机理•与免疫遗传算法相关的生物机理龚涛智能系统控制生物免疫系统的组成与特征•免疫系统是生物，特别是脊椎动物和人类所必备的防御机理，它由具有免疫功能的器官、组织、细胞、免疫效应分子及有关的基因等组成，可以保护机体抗御病原体、有害的异物及癌细胞等致病因子的侵害•免疫的功能包括：免疫防御；免疫稳定；免疫监视龚涛智能系统控制生物免疫系统的组成与特征抗原具有的性能：（1）刺激机体产生免疫应答的免疫原性（2）与相应免疫应答的产物发生特异性结合龚涛智能系统控制免疫系统的计算能力•免疫识别•免疫学习•免疫记忆•克隆选择和阈值机理•个体多样性•分布式和自适应性•特征抽取•自我调整龚涛智能系统控制免疫系统的网络学说免疫学说中有两种学说占主导地位（1）细胞克隆选择学说细胞克隆选择学说的基点是外来抗原选择原先处于静止状态的互补细胞克隆，被选择细胞克隆的激活、增殖和效应概念是免疫应答的细胞学过程，然而针对自身抗原的细胞克隆则被抑制或消除，因而对外来抗原的识别是关键因素。龚涛智能系统控制（2）网络学说网络学说的观点是建立在自身识别上，认为免疫系统是淋巴细胞上分布的特异性抗原受体V区的网络，这个网络是通过免疫细胞相互识别V区上的抗原决定簇来实现的；对外来抗原的应答是建筑在识别自身抗原基础上的反应。免疫应答中的细胞间相互作用大致有四种类型：相关识别、连锁识别、多克隆相互作用、独特型与抗独特型之间相互作用。免疫系统的网络学说龚涛智能系统控制•免疫系统具有高度分辨“自体”与“异体”抗原物质的能力，这种识别作用是由免疫淋巴细胞完成的。免疫淋巴细胞对抗原分子的识别、自身的活化、增殖和分化以及产生效应的过程称之为免疫应答。免疫淋巴细胞在抗原识别过程中被诱导活化，形成以B细胞介导的体液免疫和以T细胞介导的细胞免疫；亦可被诱导而处于不活化状态，称之为免疫耐受。免疫系统的自体/异体识别机理龚涛智能系统控制•免疫细胞对抗原的识别是通过结合（或匹配）过程实现的，相应地，AIS中的抗原识别通过特征匹配来实现，其核心是定义一个匹配阈值，而对匹配的度量则采用多种方法如，海明（Hamming）距离、欧式（Euclidean）距离及Forrest所提出的R连续位匹配方法等免疫系统的自体/异体识别机理龚涛智能系统控制免疫的学习机理•免疫学习大致可分为两种：一种发生在初次应答阶段，即免疫系统首次识别一种新的抗原时，其应答时间相对较长；而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抗原，这个过程是一个增强式学习（reinforcementlearning）过程，对应于再次应答。龚涛智能系统控制免疫学习一般有以下几种途径：（1）对同一抗原进行重复学习，属于增强式学习（2）亲和度成熟，对应于AIS中的个体经遗传操作后其亲和度逐步提高的过程，属于遗传学习（3）低度的重复感染，对应于AIS的重复训练过程（4）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免疫的学习机理龚涛智能系统控制免疫系统的反馈机理BTHTSAbAgIL+IL-BTHTSAbAgIL+IL-由免疫反馈原理图知，当抗原进入机体，经周围细胞消化后，将信息传递给T细胞，即传递给TH细胞和TS细胞，TS细胞用于抑制TH细胞的产生。然后共同刺激B细胞，经过一段时间后，B细胞产生抗体以清除抗原。当抗原较多时，机体内的TH细胞亦较多，而TS细胞却较少，从而产生的B细胞会多些。随着抗原的减少，机体内TS细胞增多，它抑制了TH细胞的产生，则B细胞也随着减少，经过一段时间后，免疫反馈系统便趋于平衡。ST图1免疫系统的反馈机理龚涛智能系统控制与遗传算法相关的特征（1）产生多样抗体的能力：通过细胞的分裂和分化作用，免疫系统可产生大量的抗体来抵御各种抗原，这对应于遗传算法中个体的多样性。这种机制可用于提高遗传算法的全局搜索能力而不陷于局部解（2）自我调节机构：免疫系统具有维持免疫平衡的机制，通过对抗体的抑制和促进作用，能自我调节产生适当数量的必要抗体。这对应于遗传算法中个体浓度的抑制和促进，利用这一功能可以提高遗传算法的局部搜索能力与免疫遗传算法相关的生物机理龚涛智能系统控制与遗传算法相关的特征（3）免疫记忆功能：产生抗体的部分细胞会作为记忆细胞而被保存下来，对于今后侵入的同类抗原，相应的记忆细胞会迅速激发而产生大量的抗体。如果遗传算法能利用这种抗原记忆识别功能，则可以加快搜索速度，提高遗传算法的总体搜索能力龚涛智能系统控制3人工免疫网络模型•独特型网络模型•互联耦合免疫网络模型•对称网络模型•多值网络模型龚涛智能系统控制•Jerne提出的独特型网络学说，它是以克隆选择理论为基础。Jerne强调免疫系统中各个细胞克隆不是处于一种孤立状态，而是通过自体/异体识别、相互刺激和相互制约构成一个动态平衡的网络结构。构成相互刺激和相互制约的物质基础是独特型和抗独特型。独特型网络模型龚涛智能系统控制独特型网络实质上是建立在独特型和抗独特型细胞克隆的相互作用上，因而可以认为免疫系统由两套细胞组成：一套是具有独特型并识别抗原的淋巴细胞，也就是网络中的第一层细胞——Ab1细胞；另一套是识别独特型的淋巴细胞，它们是网络中的第二层细胞——Ab2细胞，是抗独特型细胞，或称之为“独特型特异的细胞”。第一层的Ab1细胞，就是能和抗原结合反应的T细胞、B细胞。第二层的Ab2细胞，包括Ab2B细胞（结合独特型或分泌抗独特型的B细胞）和Ab2T细胞（识别或结合独特型的T细胞）独特型网络模型龚涛智能系统控制•Jerne的网络学说奠定了用整体的、联系的观点解释免疫调节和免疫现象的基本思想，以此免疫学说为基础，Richter、Hoffmann等又加以修改补充提出了新的网络模型。•Richter把各种不同的克隆称为功能单位，以Ab0、Ab1、Ab2、Ab3等表示，每一个克隆包括T细胞、B细胞、抗体分子及T细胞因子。Ab1识别外源性抗原决定基（Ag1），Ab2识别Ab1的Id，Ab3识别Ab2的Id，以此类推。独特型网络模型龚涛智能系统控制独特型网络模型Ag0Ab2Ab3Ag1Ab1抗体抗原抑制刺激Ab0Ag0Ab2Ab3Ag1Ab1抗体抗原抑制刺激抑制刺激Ab0图2免疫网络的结构图龚涛智能系统控制•鉴于目前抗体之间大规模的联接还没有用实验论证，但已发现免疫系统是通过抗体之间4个或5个链来成功地维持着生物组织，这个发现说明免疫系统能利用局部的连接来维持生物组织的正常工作，也就是说，免疫系统能通过多个完成某一特定任务的局部免疫网络（LIN）之间的相互通讯来形成大规模免疫网络，从而表现出它的显著能力，这就是Ishiguro等提出的互联耦合免疫网络模型。互联耦合免疫网络学说如图3所示。互联耦合免疫网络龚涛智能系统控制LIN1LIN2LIN3LIN4图3互联耦合免疫网络学说互联耦合免疫网络龚涛智能系统控制•免疫系统对外来抗原的应答是建立在识别自身抗原基础上的反应，当我们考虑系统对特定抗原的响应时，我们不仅要考虑相应的抗体，而且要考虑抗抗体等。•Hoffmann根据免疫网络学说提出了对称网络模型。为了使问题容易处理，我们认为只有两类主要的淋巴细胞响应特异性抗原的攻击。第一类为正集合或称结合抗原的抗体集合，用T和B分别表示T细胞和B细胞，该类细胞具有独特型，能识别抗原，与抗原结合并反应。第二类为负集合或称抗独特型集合，用T－和B－分别表示抗独特型的T细胞和B细胞，该类细胞能识别独特型。对称网络模型龚涛