基于危险理论的多Agent人工免疫模型的研究

论文摘要

目前的人工免疫系统大多都是建立在传统免疫学理论——“Self-non-self”（SNS）识别模式的基础上,由于SNS模型本身的缺陷,使得对self集定义中如何保证其不包含任何nonself以及如何满足self集的动态变化问题未能得到较好的解决。有许多证据表明,在将其应用到实际问题中,由已知self集训练的免疫细胞不仅只能覆盖一小部分nonself,而且很可能会覆盖一部分未知的self。在这种背景下,刚刚兴起的危险理论推动了人工免疫学的发展与进步。危险理论认为,引发免疫反应的不是nonself而是危险信号,机体真正要防范的是危险。本文在分析了现有的危险免疫模型的基础上,针对它们对危险域难以控制,免疫响应迟钝等不足,设计了一种自治的免疫模型——基于危险理论的多Agent免疫模型。新模型通过系统获取参数的变化来确定危险域,由多个Agent节点和Server节点共同对危险信号进行评估,并由协同刺激信号和危险信号共同即活免疫细胞,从而诱导免疫应答。新模型与其它现有模型的主要区别在于不是简单的统一的危险域的定义模式,而是对危险域进行了逻辑划分,采取了多层免疫应答的方式对危险域进行控制,从而达到降低危险感染造成损失的目的。最后进行了实验分析,新的模型具有较强的动态适应性、协作性、鲁棒性等特点。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 人工免疫系统在发展过程中遇到的困难和问题
• 1.3 本文的研究目的和创新点
• 1.4 本文的组织
• 第二章 SNS 免疫模型和危险理论思想
• 2.1 传统的SNS 模型
• 2.1.1 SNS 模型的核心思想
• 2.1.2 免疫细胞及其培育过程
• 2.1.3 获得性免疫应答过程及其特点
• 2.1.4 自身免疫应答
• 2.1.5 SNS 模型在真实环境中应用的范围
• 2.1.6 SNS 模型的主要缺陷
• 2.2 新的危险理论
• 2.2.1 危险理论产生的背景
• 2.2.2 危险理论和扩展的SNS 模型（INS）的主要区别
• 2.2.3 抗原提呈细胞及其主要功能
• 2.2.4 免疫应答的基本过程
• 2.2.5 危险理论的主要特点
• 2.3 免疫模型的进化过程
• 2.4 危险免疫模型
• 2.4.1 理论基础
• 2.4.2 免疫应答的调节
• 2.4.3 现有危险免疫模型的实现
• 2.5 本章总结
• 第三章 基于危险理论的多AGENT 人工免疫模型
• 3.1 多AGENT 人工免疫模型
• 3.2 危险信号及DCS 激活阈值的设计
• 3.2.1 危险信号的产生及定义
• 3.2.2 DCs 激活阈值的设计
• 3.3 危险区域的界定与参数设计
• 3.3.1 主机层
• 3.3.2 网络层
• 3.4 基于DCS 的免疫算法
• 3.4.1 DC 群体的产生
• 3.4.2 DCs 免疫算法
• 3.5 本章总结
• 第四章 实验分析
• 4.1 实验步骤
• 4.2 实验数据及参数
• 4.3 实验结果
• 4.4 本章总结
• 结束语
• 参考文献
• 致谢
• 附录（攻读硕士期间发表的论文）
• 详细摘要