免疫進(jìn)化理論課件

1、免疫進(jìn)化理論的研究主要內(nèi)容 研究背景與現(xiàn)狀 免疫進(jìn)化算法 免疫神經(jīng)網(wǎng)絡(luò) 計(jì)算機(jī)免疫安全系統(tǒng)探索研究背景在生物科學(xué)領(lǐng)域，人們對(duì)進(jìn)化、遺傳和免疫等自然 現(xiàn)象已經(jīng)進(jìn)行了廣泛而深入的研究 ；進(jìn)化算法是建立在模仿生物遺傳與自然選擇基礎(chǔ)上的一種并行優(yōu)化算法，其性能優(yōu)異、應(yīng)用廣泛；進(jìn)化算子在為每個(gè)個(gè)體提供了進(jìn)化機(jī)會(huì)的同時(shí)，也無(wú)可避免地產(chǎn)生了退化的可能；大多數(shù)待求問(wèn)題有可以利用的先驗(yàn)知識(shí)或特征信息，故可以利用這些信息來(lái)抑制進(jìn)化過(guò)程中的退化現(xiàn)象；生物免疫理論為改進(jìn)原有算法的性能，建立集進(jìn)化與免疫機(jī)制于一體的新型全局并行算法奠定了基礎(chǔ)。Artificial Immune SystemAIS人工智能信息處理系統(tǒng)的研

2、究腦神經(jīng)系統(tǒng)（神經(jīng)網(wǎng)絡(luò)）遺傳系統(tǒng)（進(jìn)化計(jì)算）免疫系統(tǒng)（人工免疫系統(tǒng)）一門(mén)新興的研究領(lǐng)域AIS的研究歷史Farmer等人在1986年首先在工程領(lǐng)域提出免疫概念Varela等人受免疫網(wǎng)絡(luò)學(xué)說(shuō)的啟發(fā)，提出并進(jìn)而完善免疫網(wǎng)絡(luò)模型。 免疫學(xué)習(xí)算法AIS的研究現(xiàn)狀之二反面選擇算法（Forrest）免疫學(xué)習(xí)算法（Hunt&Cooke）免疫遺傳算法（Chun）免疫Agent算法（Ishida）免疫網(wǎng)絡(luò)調(diào)節(jié)算法（Wang&Cao）免疫進(jìn)化算法（Jiao&Wang） 國(guó)際研究AIS的研究現(xiàn)狀之三1996年，日本，基于免疫性系統(tǒng)的國(guó)際專題討論會(huì)，提出并確認(rèn)人工免疫系統(tǒng)（AIS）的概念；1997年，IEEE的SMC組

3、織專門(mén)成立了人工免疫系統(tǒng)及應(yīng)用的分會(huì)組織；目前，幾乎所有有關(guān)人工智能領(lǐng)域的學(xué)術(shù)會(huì)議都收錄AIS方面的論文。AIS在控制領(lǐng)域中的應(yīng)用PID型免疫反饋控制器（ Takahashi ）機(jī)器人控制（ Mitsumoto, Ishiguro, Lee）控制系統(tǒng)的設(shè)計(jì)（ Ishida ）復(fù)雜動(dòng)態(tài)行為建模和自適應(yīng)控制（Kumak）倒擺的控制（ Bersini ）AIS在故障診斷中的應(yīng)用基于相關(guān)識(shí)別特性的免疫網(wǎng)絡(luò)模型用于故障診斷的方法（Ishida）；通過(guò)構(gòu)造大規(guī)模獨(dú)特型免疫網(wǎng)絡(luò)來(lái)建立用于在線服務(wù)的故障診斷系統(tǒng)（Ishiguru）。AIS在模式識(shí)別中的應(yīng)用Hunt等人開(kāi)發(fā)了一種具有學(xué)習(xí)能力的人工免疫系統(tǒng)并用于

4、模式識(shí)別。AIS在優(yōu)化設(shè)計(jì)中的應(yīng)用永磁同步電動(dòng)機(jī)的參數(shù)修正的優(yōu)化設(shè)計(jì)電磁設(shè)備的外形優(yōu)化VLSI印刷線路板的布線優(yōu)化設(shè)計(jì)函數(shù)測(cè)試旅行商問(wèn)題的求解約束搜索優(yōu)化問(wèn)題和多判據(jù)設(shè)計(jì)問(wèn)題AIS在網(wǎng)絡(luò)安全的應(yīng)用數(shù)據(jù)檢測(cè)（Forrest ）病毒檢測(cè)（ Kephart）UNIX過(guò)程監(jiān)控（ Forrest）國(guó)際研究新動(dòng)向之二基于最新發(fā)展的免疫網(wǎng)絡(luò)學(xué)說(shuō)進(jìn)一步建立并完善模糊、神經(jīng)和其它一些專有類型的人工免疫網(wǎng)絡(luò)模型及其應(yīng)用方法。國(guó)際研究新動(dòng)向之三將人工免疫系統(tǒng)與遺傳系統(tǒng)的機(jī)理相互結(jié)合，并歸納出各種免疫學(xué)習(xí)算法。比如：免疫系統(tǒng)的多樣性遺傳機(jī)理和細(xì)胞選擇機(jī)理可用于改善原遺傳算法中對(duì)局部搜索問(wèn)題不是很有效的情況；獨(dú)特型網(wǎng)絡(luò)

5、機(jī)理可用于免疫系統(tǒng)中的遺傳部分以避免系統(tǒng)出現(xiàn)早熟現(xiàn)象；發(fā)展用于處理受約束的遺傳搜索和多準(zhǔn)則問(wèn)題的免疫學(xué)習(xí)算法等。國(guó)際研究新動(dòng)向之四基于免疫反饋和學(xué)習(xí)機(jī)理，設(shè)計(jì)自調(diào)整、自組織和自學(xué)習(xí)的免疫反饋控制器。展開(kāi)對(duì)基于免疫反饋機(jī)理的控制系統(tǒng)的設(shè)計(jì)方法和應(yīng)用研究，這有可能成為工程領(lǐng)域中種新型的智能控制系統(tǒng)，具有重要的理論意義與廣泛的應(yīng)用前景。國(guó)際研究新動(dòng)向之五進(jìn)一步研究基于免疫系統(tǒng)機(jī)理的分布式自治系統(tǒng)。分布式免疫自治系統(tǒng)在智能計(jì)算、系統(tǒng)科學(xué)和經(jīng)濟(jì)領(lǐng)域?qū)?huì)有廣闊的應(yīng)用前景。國(guó)際研究新動(dòng)向之六發(fā)展基于DNA編碼的人工免疫系統(tǒng)以及基于DNA計(jì)算的免疫算法。嘗試將DNA計(jì)算模型引入人工免疫系統(tǒng)中，研究一種基于DN

6、A計(jì)算與AIS相結(jié)合的，有較強(qiáng)抗干擾能力和穩(wěn)定性能的智能系統(tǒng)。國(guó)際研究新動(dòng)向之七近年來(lái)有學(xué)者已開(kāi)始研究B細(xì)胞抗體網(wǎng)絡(luò)的振蕩、混濁和穩(wěn)態(tài)等非線性特性61，不過(guò)其工作才剛剛開(kāi)始。人們應(yīng)進(jìn)一步借助非線性的研究方法來(lái)研究免疫系統(tǒng)的非線性行為，拓寬非線性科學(xué)的研究范圍。免疫進(jìn)化算法的研究第一部分生物免疫的啟示在生物自然界中，免疫現(xiàn)象普遍存在，并對(duì)物種的 生存與繁衍 發(fā)揮著重要的作用；生物的免疫功能主要是由參與免疫反應(yīng)的細(xì)胞或由其構(gòu)成的器官來(lái)完成的；生物免疫主要有兩種類型： 特異性免疫（Specific Immunity）， 非特異性免疫反應(yīng)（Nonspecific Immunity）；生物免疫系統(tǒng)是通過(guò)

7、自我識(shí)別、相互刺激與制約而構(gòu)成了一個(gè) 動(dòng)態(tài)平衡的網(wǎng)絡(luò)結(jié)構(gòu) 。免疫系統(tǒng)的主要功能 免疫防御即機(jī)體防御病原微生物的感染； 免疫（自身）穩(wěn)定即機(jī)體通過(guò)免疫功能經(jīng)常消除那些損傷和衰老的細(xì)胞以維持機(jī)體的生理平衡； 免疫監(jiān)視即機(jī)體通過(guò)免疫功能防止或消除體內(nèi)細(xì)胞在新陳代謝過(guò)程中發(fā)生突變的和異常的細(xì)胞。免疫系統(tǒng)的主要特點(diǎn)免疫識(shí)別免疫應(yīng)答免疫耐受免疫記憶免疫調(diào)節(jié)算法研究生物學(xué)概念與理論方法：工程計(jì)算方法進(jìn)化免疫傳統(tǒng)進(jìn)化算法是在一定發(fā)生概率的條件下，隨機(jī)地、沒(méi)有指導(dǎo)地迭代搜索，因此它們?cè)跒槿后w中的個(gè)體提供了進(jìn)化機(jī)會(huì)的同時(shí)，也無(wú)可避免地產(chǎn)生了退化的可能。每一個(gè)待求的實(shí)際問(wèn)題都會(huì)有自身一些基本的、顯而易見(jiàn)的特征信息或

8、知識(shí)。然而進(jìn)化算法中的交叉和變異算子在求解問(wèn)題時(shí)，操作的可變程度較小?；靖拍钊旧w表示待求問(wèn)題的解的形式的一種數(shù)據(jù)結(jié)構(gòu)。基因構(gòu)成染色體的最基本的數(shù)據(jù)單位。個(gè)體具有某類染色體結(jié)構(gòu)的一種特例。基本概念抗原所有可能錯(cuò)誤的基因，即非最佳個(gè)體的基因。疫苗根據(jù)進(jìn)化環(huán)境或待求問(wèn)題的先驗(yàn)知識(shí)，所得到的對(duì)最佳個(gè)體基因的估計(jì)?？贵w 根據(jù)疫苗修正某個(gè)個(gè)體的基因所得到的新個(gè)體。免疫算子有兩種類型：全免疫 非特異性免疫目標(biāo)免疫 特異性免疫免疫思想的實(shí)現(xiàn) 免疫算子即：群體中的每個(gè)個(gè)體在進(jìn)化算子作用后，對(duì)其每一環(huán)節(jié)都進(jìn)行一次免疫操作的免疫類型；即：在進(jìn)行了進(jìn)化操作后，經(jīng)過(guò)一定的判斷，個(gè)體僅在作用點(diǎn)處發(fā)生免疫反應(yīng)的一種類型

9、。免疫操作的基本過(guò)程首先，對(duì)待求求問(wèn)題進(jìn)行具體分析，從中提取出 最基本的特征信息； 其次，對(duì)此特征信息進(jìn)行處理，以將其轉(zhuǎn)化為求解問(wèn)題的一種方案；最后，將此方案以適當(dāng)?shù)男问睫D(zhuǎn)化成 免疫算子 以實(shí)施具體的操作。免疫算子 算法中的免疫思想主要是在合理提取疫苗的基礎(chǔ)上，通過(guò)免疫算子來(lái)實(shí)現(xiàn)的；免疫算子由 接種疫苗 和 免疫選擇 兩個(gè)操作完成的。The Immune operator為了防止群體的退化。為了提高個(gè)體的適應(yīng)度。設(shè)個(gè)體x，給其接種疫苗是指按照先驗(yàn)知識(shí)來(lái)修改x的某些基因位上的基因或其分量，使所得個(gè)體以較大的概率具有更高的適應(yīng)度。疫苗 是從先驗(yàn)知識(shí)中提煉出來(lái)的，它所含的信息量及其準(zhǔn)確性對(duì)算法性能的

10、發(fā)揮起著重要的作用。免疫算子接種疫苗之這一操作一般分兩步完成：第一步是 免疫檢測(cè) ，即對(duì)接種了疫苗的個(gè)體進(jìn)行檢測(cè)，若其適應(yīng)度仍不如父代，則該個(gè)體將被父代中所對(duì)應(yīng)的個(gè)體所取代；第二步是 退火選擇 ，即在目前的子代群體中以右邊所示概率免疫算子免疫檢測(cè)之選擇個(gè)體進(jìn)入新的父代群體。在免疫策略中，僅有免疫檢測(cè)而沒(méi)有退火選擇。體系結(jié)構(gòu)免疫算法免疫規(guī)劃免疫策略 免疫算法隨機(jī)產(chǎn)生初始父代種群A1 ，根據(jù)先驗(yàn)知識(shí)抽取疫苗；若當(dāng)前群體中包含最佳個(gè)體，則算法停止運(yùn)行并輸出結(jié)果；否則，繼續(xù)；對(duì)當(dāng)前第k代父本種群Ak進(jìn)行交叉操作，得到種群Bk；對(duì)Bk進(jìn)行變異操作，得到種群Ck；對(duì)Ck進(jìn)行接種疫苗操作，得到種群Dk；對(duì)D

11、k進(jìn)行免疫選擇操作，得到新一代父本Ak+1，轉(zhuǎn)至第二步。Immune Algorithm-IA免疫算法的收斂性狀態(tài)轉(zhuǎn)移過(guò)程示意圖：定 理：免疫算法是收斂的。定 義：如果對(duì)于任意的初始分布均有則稱算法收斂。初始化：首先，根據(jù)要求確定解的精度；其次，隨機(jī)產(chǎn)生N個(gè)個(gè)體，并由此構(gòu)成初始的父代種群A0；根據(jù)先驗(yàn)知識(shí)抽取疫苗H；計(jì)算當(dāng)前種群Ak的個(gè)體適應(yīng)度，并進(jìn)行停機(jī)條件的判斷。若條件滿足，則停止運(yùn)行并輸出結(jié)果；否則繼續(xù)；對(duì)當(dāng)前的父代群體Ak進(jìn)行變異操作，生成子代群體Bk；對(duì)群體Bk進(jìn)行接種疫苗操作，得到種群Ck；對(duì)群體Ck進(jìn)行免疫選擇操作，得到新一代父本Ak+1，并轉(zhuǎn)至第三步。免疫規(guī)劃Immune Pr

12、ogramming-IP免疫規(guī)劃的收斂性狀態(tài)轉(zhuǎn)移過(guò)程示意圖：定 理：免疫規(guī)劃是收斂的。定 義：如果對(duì)于任意的初始分布均有則稱算法收斂。免疫策略根據(jù)要求確定解的精度，再根據(jù)先驗(yàn)知識(shí)抽取疫苗H；隨機(jī)產(chǎn)生個(gè)個(gè)體作為初始的父本群體；交叉：產(chǎn)生由父代和子代構(gòu)成的規(guī)模為2的中間群體；變異：對(duì)每一個(gè)個(gè)體進(jìn)行變異將得到一個(gè)新的個(gè)體；免疫：首先按照對(duì)問(wèn)題的先驗(yàn)知識(shí)修改個(gè)體(x,)的某些分量；然后對(duì)群體中注射了疫苗的個(gè)體進(jìn)行檢測(cè)；選擇：從規(guī)模為2的群體中按適應(yīng)度的大小取出前個(gè)個(gè)體作為新一代父本的群體；停機(jī)條件檢測(cè)。Immune Strategy-IS免疫策略的收斂性狀態(tài)轉(zhuǎn)移過(guò)程示意圖：定 理：免疫策略是收斂的。定

13、 義：如果對(duì)于任意的初始分布均有則稱算法收斂。免疫算子的機(jī)理在免疫選擇作用下，若疫苗使抗體適應(yīng)度得到提高，且高于當(dāng)前群體的平均適應(yīng)度，則疫苗所對(duì)應(yīng)的模式將在群體中呈指數(shù)級(jí)擴(kuò)散；否則，它將被遏制或呈指數(shù)級(jí)衰減。定 理：Begin:抽取疫苗： 分析待求問(wèn)題，搜集特征信息； 依據(jù)特征信息估計(jì)特定基因位上的模式: ；k = 0 and j = 0；while (Conditions = True) if PV=True, then j = j +1； i = 0； for (in) 接種疫苗： ； 免疫檢驗(yàn)：if , then ; else ； i = i +1； 退火選擇： ； k = k+1；En

14、d免疫算子的執(zhí)行算法具體分析待求問(wèn)題，搜集特征信息。免疫疫苗的選取方法通用方法之一以TSP問(wèn)題為例，通過(guò)具體分析可以得出相鄰兩兩城市之間的最短路徑即為求解該問(wèn)題時(shí)可以利用的一種疫苗。TSP問(wèn)題的描述TSP問(wèn)題是旅行商問(wèn)題的簡(jiǎn)稱。即一個(gè)商人從某一城市出發(fā)，要遍歷所有目標(biāo)城市，其中每個(gè)城市必須而且只須訪問(wèn)一次。所要研究的問(wèn)題是在所有可能的路徑中尋找一條路程最短的路線。該問(wèn)題是一個(gè)典型的NP問(wèn)題，即隨著規(guī)模的增加，可行解的數(shù)目將做指數(shù)級(jí)增長(zhǎng)。TSP問(wèn)題的分析設(shè)所有與城市Ai距離最近的城市為Aj,進(jìn)行一次如虛線所示的調(diào)整后,多數(shù)情況下， l3較aj-1 + aj的減少量要大于l1 + l2較ai的增加

15、量。故：Begin:while (Conditions = True) 統(tǒng)計(jì)父代群體，確定最佳個(gè)體：; 分解最佳個(gè)體，抽取免疫基因：; 執(zhí)行遺傳和免疫算子操作;end免疫疫苗的選取方法自適應(yīng)方法之二Begin:鄰近城市序列初始化：Neighbor(i) = random(1, n) , i =1, , n;最短子路徑的初始化：Sub_path(i) i =1, n;while (Conditions = True) for i = 1 to n 變異： Neighbor(i) = Floor(Gauss(Neighbor(i), 1 ) ) ; 選擇：if Distance(City_ i,

16、Neighbor(i) Min_distance(i) then Sub_path(i) = Neighbor(i); Min_distance(i) = Distance(City_ i, Neighbor(i); end endend免疫疫苗的選取方法進(jìn)化規(guī)劃方法之三仿真實(shí)驗(yàn)基于IA的TSP求解之一a. 免疫抗體b. 最優(yōu)化路徑75城市的TSP問(wèn)題免疫優(yōu)化仿真示意圖子代適應(yīng)度值隨進(jìn)化過(guò)程的變化曲線a 通用遺傳算法計(jì)算曲線b 免疫算法計(jì)算曲線仿真實(shí)驗(yàn)基于IS的TSP求解之二a. 免疫疫苗示意圖 b. 最優(yōu)路徑示意圖442城市的TSP問(wèn)題免疫優(yōu)化仿真示意圖子代適應(yīng)度值隨進(jìn)化過(guò)程的變化曲線a (

17、,2 )-ES計(jì)算曲線 b ( ,2 )-IS 計(jì)算曲線仿真實(shí)驗(yàn)基于IE的函數(shù)優(yōu)化之三問(wèn)題: 在(0,1)內(nèi)尋找 xmax使下式成立:接受正常免疫疫苗時(shí)的計(jì)算曲線(a) 基于EP的進(jìn)化過(guò)程中個(gè)體分布圖;(b) 基于IP的進(jìn)化過(guò)程中個(gè)體分布圖(c) EP和IP所求得的最佳適應(yīng)度對(duì)比圖(d) EP和IP所求得的平均適應(yīng)度對(duì)比圖免疫疫苗為 時(shí)的計(jì)算曲線(a) 基于EP的進(jìn)化過(guò)程中個(gè)體分布圖;(b) 基于IP的進(jìn)化過(guò)程中個(gè)體分布圖(c) EP和IP所求得的最佳適應(yīng)度對(duì)比圖(d) EP和IP所求得的平均適應(yīng)度對(duì)比圖免疫神經(jīng)網(wǎng)絡(luò)的研究第二部分自然免疫網(wǎng)絡(luò) 生物學(xué)免疫網(wǎng)絡(luò)原型： Jerne: 免疫系統(tǒng)是通過(guò)

18、自我識(shí)別和相互刺激與約束而構(gòu)成的一個(gè)動(dòng)態(tài)平衡的網(wǎng)絡(luò)結(jié)構(gòu)。 免疫應(yīng)答 ( 免疫耐受與記憶 ); Varela 的免疫網(wǎng)絡(luò)模型：系統(tǒng)的動(dòng)力學(xué)部分；系統(tǒng)的元?jiǎng)恿W(xué)部分；系統(tǒng)的免疫恢復(fù)機(jī)制(IRM).免疫神經(jīng)網(wǎng)絡(luò)的生物學(xué)特征一個(gè)完整的神經(jīng)元由細(xì)胞體、樹(shù)突、軸突、突觸和神經(jīng)末梢等幾大部分構(gòu)成，其中細(xì)胞體是神經(jīng)元的主體。人的腦系統(tǒng)大約由1011個(gè)神經(jīng)元組成。這些神經(jīng)元雖然在物理結(jié)構(gòu)上是基本一致的，但其功能和在系統(tǒng)中所發(fā)揮的作用是有明顯差別的。 生物免疫系統(tǒng)具有記憶功能以及自學(xué)習(xí)、自組織和自適應(yīng)的能力。人工免疫神經(jīng)網(wǎng)絡(luò)的研究已有人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)。利用先驗(yàn)知識(shí)改進(jìn)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的嘗試： Stork，199

19、2年，奇偶校驗(yàn)問(wèn)題。 Kryghyak，1993年，奇偶校驗(yàn)問(wèn)題。 吳佑壽，1996年，奇偶校驗(yàn)和對(duì)稱性校驗(yàn)的 問(wèn)題。一種免疫神經(jīng)網(wǎng)絡(luò)模型免疫神經(jīng)網(wǎng)絡(luò)中激勵(lì)函數(shù)的選取方法分析待求問(wèn)題的過(guò)程，搜集特征信息，再根據(jù)先驗(yàn)知識(shí)找出輸入變量之間的相互約束關(guān)系；設(shè)計(jì)激勵(lì)單元的基本類型。即根據(jù)上述約束關(guān)系，選取一種適當(dāng)?shù)暮写▍?shù)的函數(shù)族；根據(jù)第步所提取的疫苗填充疫苗接種單元；選取一種網(wǎng)絡(luò)學(xué)習(xí)算法，如LMS和改進(jìn)的BP算法等，利用訓(xùn)練樣本來(lái)修正網(wǎng)絡(luò)中的權(quán)值矩陣和閥值等相關(guān)參數(shù)。免疫神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)算法將激勵(lì)函數(shù)中的參數(shù)V當(dāng)作網(wǎng)絡(luò)訓(xùn)練的目標(biāo)之一；采用成批訓(xùn)練和添加動(dòng)量項(xiàng)的方法來(lái)訓(xùn)練網(wǎng)絡(luò)權(quán)值和激勵(lì)函數(shù)中的參數(shù)

20、。免疫神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)實(shí)例雙螺旋線問(wèn)題的求解設(shè)螺旋線的參數(shù)方程形式為：由此可得：雙螺旋線問(wèn)題的求解設(shè)計(jì)激勵(lì)單元的基本類型：雙螺旋線問(wèn)題的求解解決雙螺旋線的免疫神經(jīng)網(wǎng)絡(luò)的形式為：雙螺旋線問(wèn)題的仿真結(jié)果帶有隨機(jī)干擾的兩類螺旋線：免疫進(jìn)化子波網(wǎng)絡(luò)模型網(wǎng)絡(luò)方程：免疫進(jìn)化子波網(wǎng)絡(luò)模型目標(biāo)函數(shù)：子波函數(shù)的參數(shù)初始化確定一個(gè)母波函數(shù)以及對(duì)特定目標(biāo)信號(hào)的伸縮、平移參數(shù)的取值范圍；利用免疫進(jìn)化算法進(jìn)行優(yōu)化搜索； 獲得一組有利于分類識(shí)別的信號(hào)子波特征。子波網(wǎng)絡(luò)的學(xué)習(xí)算法初始化。將任意選取n組權(quán)值以及初始化后的子波基參數(shù)做為初始群體；根據(jù)先驗(yàn)知識(shí)抽取疫苗H。根據(jù)對(duì)問(wèn)題的先驗(yàn)知識(shí)或其應(yīng)用背景方面的特征信息，來(lái)確定個(gè)體在

21、某些基因上的取值特征或基因之間的相互制約關(guān)系，并以此做為待求問(wèn)題的免疫疫苗，經(jīng)編碼處理后即可視為H；另一方面，若以上條件尚不具備，我們即可采用算法2來(lái)動(dòng)態(tài)尋找H，并將該過(guò)程置于第4與第5步驟之間進(jìn)行；學(xué)習(xí)算法（續(xù)）計(jì)算當(dāng)前群體中所有個(gè)體的適應(yīng)度，并從中確定最佳個(gè)體，然后判斷停機(jī)條件是否滿足；對(duì)當(dāng)前群體實(shí)施變異操作； 對(duì)當(dāng)前群體實(shí)施接種疫苗操作； 對(duì)接種了疫苗的個(gè)體進(jìn)行檢驗(yàn)，并對(duì)所注射的疫苗做出評(píng)價(jià)；計(jì)算當(dāng)前群體中所有個(gè)體的適應(yīng)度，并以此為根據(jù)在一定的選擇機(jī)制下，挑選出n個(gè)個(gè)體組成下一代進(jìn)化的群體，然后轉(zhuǎn)至第3步。雙螺旋線問(wèn)題的仿真結(jié)果帶有隨機(jī)干擾的兩類螺旋線：免疫理論的應(yīng)用研究第三部分計(jì)算機(jī)免

22、疫系統(tǒng)的研究計(jì)算機(jī)網(wǎng)絡(luò)模型示意圖 隨著現(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和信息技術(shù)的高速發(fā)展，特別是Internet在全球領(lǐng)域的推廣，計(jì)算機(jī)信息系統(tǒng)的安全日漸突出； 從功能上分析，計(jì)算機(jī)（網(wǎng)絡(luò)）系統(tǒng)一般包括信息的傳輸與變換兩個(gè)方面。由于這兩方面對(duì)信息處理的目的不同，所以它們對(duì)安全性的要求也不一樣。就傳輸過(guò)程而言，系統(tǒng)要求防止外界自然因素對(duì)信息的影響和人為因素的監(jiān)聽(tīng)、截獲和施擾；在對(duì)信息的轉(zhuǎn)換和處理過(guò)程中，主要預(yù)防黑客的入侵和病毒的破壞。計(jì)算機(jī)免疫系統(tǒng)的研究 先天免疫性 自適應(yīng)免疫性 信息發(fā)布的快速性 可測(cè)量性 安全與可靠性 用戶可控性免疫系統(tǒng)的設(shè)計(jì)原則信息傳輸免疫系統(tǒng)信息傳輸免疫系統(tǒng)示意圖信息傳輸免疫系統(tǒng)信息

23、序列的基帶信號(hào)：偽隨機(jī)信號(hào)：調(diào)制后發(fā)送信號(hào)：信息傳輸免疫系統(tǒng)接收段信號(hào)：經(jīng)偽隨機(jī)解調(diào)信號(hào)：經(jīng)過(guò)解調(diào)輸出的干擾信號(hào)總能量：信息處理免疫系統(tǒng)計(jì)算機(jī)人工免疫系統(tǒng)結(jié)構(gòu)示意圖終端層各單元的功能 病毒檢測(cè) 指在終端機(jī)或單獨(dú)的計(jì)算機(jī)上進(jìn)行針對(duì)病毒代碼和信息異常變化的檢測(cè)，所采取的主要技術(shù)包括病毒特征碼的掃描技術(shù)和系統(tǒng)信息跟蹤技術(shù)； 獲取樣本病毒 在單機(jī)系統(tǒng)內(nèi)部散布一些“誘餌”程序并監(jiān)測(cè)其變化情況，將被改變程序中的相關(guān)代碼與已知病毒代碼進(jìn)行比對(duì)處理，從中獲取相應(yīng)的、新的病毒樣本。這一過(guò)程即為后面即將介紹的誘餌算法的基本思路； 病毒清除 清除由病毒檢測(cè)過(guò)程和“誘餌”算法所查獲的新舊病毒，然后記錄操作情況并發(fā)出警

24、告； 信息修復(fù) 根據(jù)上一級(jí)免疫系統(tǒng)提供的修復(fù)程序?qū)Σ《酒茐牡男畔⑦M(jìn)行自主式修復(fù)。局域?qū)痈鲉卧墓δ?系統(tǒng)監(jiān)控 系統(tǒng)隨時(shí)監(jiān)測(cè)本系統(tǒng)內(nèi)信息的變化情況，遇有異常跡象則釋放“誘餌”并跟蹤和記錄該信息的變化過(guò)程，以判斷其操作的合法性。 系統(tǒng)報(bào)警 當(dāng)判斷信息的變化過(guò)程確屬異?；蚍欠〞r(shí)，鎖定信息并向上一層或管理人員報(bào)警；另外，系統(tǒng)根據(jù)本層病毒特征提取的情況確定是否向下層發(fā)出新型病毒入侵的警報(bào)。 病毒特征提取 系統(tǒng)響應(yīng)下層上報(bào)的病毒報(bào)警信息，從病毒樣本中提取病毒代碼。然后將其與廣域?qū)拥牟《緮?shù)據(jù)庫(kù)進(jìn)行對(duì)比，屬于新代碼則上傳給廣域?qū)舆M(jìn)行病毒數(shù)據(jù)庫(kù)的更新。廣域?qū)痈鲉卧墓δ?系統(tǒng)信息發(fā)布 根據(jù)局域?qū)由蠄?bào)的信息異常變

25、化警報(bào)，決定是否將其跟蹤和記錄變化過(guò)程的數(shù)據(jù)向下層發(fā)布；定期和不定期向下層發(fā)布新型病毒特征代碼和一些修復(fù)程序。 修復(fù)程序生成 根據(jù)信息遭受破壞的過(guò)程記錄及其特點(diǎn)，人為或自動(dòng)地生成相應(yīng)的信息修復(fù)程序。 病毒數(shù)據(jù)庫(kù)更新 根據(jù)下層上報(bào)的病毒特征代碼更新當(dāng)前的全局病毒數(shù)據(jù)庫(kù)（添補(bǔ)新型病毒代碼和刪除一些長(zhǎng)期不用的代碼）。病毒監(jiān)測(cè)算法異常變化監(jiān)測(cè)算法廣域?qū)痈鲉卧墓δ?系統(tǒng)信息發(fā)布 根據(jù)局域?qū)由蠄?bào)的信息異常變化警報(bào)，決定是否將其跟蹤和記錄變化過(guò)程的數(shù)據(jù)向下層發(fā)布；定期和不定期向下層發(fā)布新型病毒特征代碼和一些修復(fù)程序。 修復(fù)程序生成 根據(jù)信息遭受破壞的過(guò)程記錄及其特點(diǎn)，人為或自動(dòng)地生成相應(yīng)的信息修復(fù)程序。

26、病毒數(shù)據(jù)庫(kù)更新 根據(jù)下層上報(bào)的病毒特征代碼更新當(dāng)前的全局病毒數(shù)據(jù)庫(kù)（添補(bǔ)新型病毒代碼和刪除一些長(zhǎng)期不用的代碼）?；诿庖卟呗訰BF的多用戶監(jiān)測(cè) CDMA系統(tǒng)相對(duì)于以前的TDMA和FDMA系統(tǒng)來(lái)說(shuō)具有很多突出的優(yōu)點(diǎn)。 僅有時(shí)域處理能力的CDMA系統(tǒng)存在諸如遠(yuǎn)近效應(yīng)、多址干擾等缺陷。 自適應(yīng)天線可以在空域方面進(jìn)一步改善傳統(tǒng)CDMA系統(tǒng)的通信能力。空時(shí)信號(hào)模型用戶k 的基帶信號(hào)：用戶k 的特征波形：用戶k 的發(fā)送信號(hào)：空時(shí)信號(hào)模型多徑信號(hào)的基 帶沖激響應(yīng)：用戶k 經(jīng)第l條路徑到達(dá)天線陣列的方向向量：天線陣列所接收到的信號(hào)：空時(shí)二維接收機(jī) 一個(gè)空時(shí)二維處理器即為空時(shí)接收調(diào)制解調(diào)器，它同時(shí)對(duì)所有的天線工作，并在時(shí)間和空間兩個(gè)域處理所接收的信號(hào)。一個(gè)典型的空時(shí)匹配濾波器一般為兩極結(jié)構(gòu)。其中，前一級(jí)結(jié)構(gòu)主要用作對(duì)接收信號(hào)的時(shí)域匹配濾波；后級(jí)結(jié)構(gòu)則對(duì)時(shí)域處理過(guò)的信號(hào)再進(jìn)行空域匹配濾波處理。空時(shí)信號(hào)模型信號(hào)經(jīng)時(shí)域匹配濾波處理后的中間結(jié)果為：經(jīng)空域匹配濾波處理：空時(shí)匹配濾波器的輸出：空時(shí)多用戶檢測(cè)器利用Cameron-Martin公式，我們可以將基于所有用戶數(shù)據(jù)b的對(duì)接收信號(hào)r(t)的似然函數(shù)寫(xiě)成如下形式：其中：空時(shí)多用戶檢測(cè)器使似