探析免疫决策关键技术研究

《探析免疫决策关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、四川大学博士学位论文免疫决策关键技术研究姓名：陈光柱申请学位级别：博士专业：计算机应用技术指导教师：李志蜀20060320四川大学蹲k学垃论文免疫决策关键技术研究计算机应用技术专业博士研究生陈光柱指导教师李志蜀教授摘要决策是针对某个问题，为了实现一个目标或一组目标，个人或群体从可实现该目标且可以互相替代的行动方案中，选定～个最合适方案的行为。决策已经在能源、交通、制造和社会管理等诸多领域得到了广泛的应用。随着计算机技术和计算方法的发展，在信息处理、工业控制、科学研究等领域中提出了智能决策的问题，即机器如何才能根据其所面临的任务，自主地或辅助地帮助人类做出决策以实现其目的。近年来，决策目

2、标的复杂性和决策环境的不确定性对传统智能决策技术提出了新的挑战和机遇。免疫系统作为具有很高智能行为的并行、分布式、自适应信息处理系统，为工程应用问题的解决提供了新的契机：充分挖掘、利用和借鉴这种系统的有关理论来发展人工免疫系统理论及应用已经成为了人工智能领域的重要内容和发展趋势。免疫系统足一个不同于大脑思维方式的决策系统。抗原的识别，抗体的产生，抗原的杀死过程实际上是一个多种免疫细胞联合决策的过程。因此，将免疫系统的有关原理应用于决簧分析中是可行的。本论文首先通过借鉴免疫系统的有关原理研究了免疫决策的关键技术，然后将其应用于求解协同产品开发中的决策问题。主要内容和贡献如下：一、免疫决策

3、的关键技术研究1．免疫Agent。借鉴免疫细胞的特性提出了一种新型的Agent-免疫Agent，给出了免疫Agent的概念和特征t描述了免疫Agent的工作流程；建立了多免疫Agent系统的体系结构；基于协同进化的原理提出了免疫Agent之间的协作形式。免疫Agent的提出，对于提高Agent的适应环境的能力提供了一种可行的思路。四j11大学埴f：学位论文2．补体激活算法。深入挖掘补体激活原理，提炼出了两种激活操作算子：分裂算子和结合算子；借鉴补体激活途径，提出了一种用于复杂函数优化求解的补体激活算法，在算法中通过选择算子、分裂算子、结合算子、亲和突变算子和记忆算子的作用，不断推动抗体

4、的进化，求得全局最优解；对算法的收敛性和鲁棒性进行了分析；将补体激活算法与典型的克隆选择算法进行了对比实验。理论与实验结果显示了补体激活算法是收敛的，并且收敛速度比克隆选择算法更快，求得的最优解更好，鲁棒性更高。3多目标免疫应答激活算法。通过同时借鉴免疫应答原理和补体激活原理，提出了多目标免疫应答激活算法(MORAA)，在算法中。Pareto算子、选择算予，克隆算子、分裂算子、结合算子和亲和突变算子能保证算法快速收敛到Pareto最优解；为了保证Pareto最优解的多样性，提出了一种计算复杂度较低的邻居排挤算法；对算法进行了收敛性分析；将MOIRAA与典型的多目标进化算法(SPEA)以

5、及多目标克隆选择算法(MOCSA)进行了比较，实验结果显示了MOIRAA的收敛性和多样性比SPEA和MOCSA更好。4．多方多议题协商框架。首先，对协商模型和协商协议进行了深入地分析；然后将免疫网络与Q．学习算法相结合，提出了用于协商策略学习的基于免疫网络的Q-学习算法，该算法同时结合了群体强化学习和独立强化学习的优点，并且学习空间远远少于群体强化学习的学习空间，学习速度更快。二、免疫决策关键技术在协同产品开发中的应用1．基于多目标免疫应答激活算法的自动化产品概念设计。首先提出多模糊集代数和定理以及模糊集比较定理；然后根据产品的功能与功能载体、功能载体与功能载体之间的相互关系，利用模糊

6、集理论建立了产品概念设计的模糊多目标优化数学摸型；最后应用多目标免疫应答激活算法求出了可行方案集。为实现产品概念设计的自动化提供了一条新的思路。2．基于补体激活算法的多目标群决策。在分析融合权重的计算方法的基础上提出了多目标决策方法；然后进一步探讨了群决策集结方法；应用补体激活算法分别求解多目标决策问题和群决策集结问题，得出了有效的结果。3．协同产品开发评价指标的协商。首先从技术性、经济性、社会性三个方面建立了带式输送机的传动方案设计的评价指标体系；然后调用基于免疫网络的Q·学习算法应用于协同产品开发中的评价指标的协商，并同时与独立的Q．学习婴型查兰堡主竺皇丝塞——算法进行了对比，显示

7、了基于免疫网络的Q．学习算法能大大提高协商效率。4．基于免疫Agent的群体决策支持系统。提出了其体系结构，给出了决策过程和知识的表达方式；并以带式输送机传动方案的协同开发为例，讨论了各个组成部分的实现过程。关键词：智能决策，人工免疫系统，免疫决策，协同产品开发，免疫Agent免疫算法四”f大学博t学位论文ResearchontheKeyTechnologyofImmuneDecisionMakingMajor-ComputerApplicat