免疫決策關(guān)鍵技術(shù)研究.pdf

1、決策是針對某個問題，為了實現(xiàn)一個目標(biāo)或一組目標(biāo)，個人或群體從可實現(xiàn)該目標(biāo)且可以互相替代的行動方案中，選定一個最合適方案的行為。決策已經(jīng)在能源、交通、制造和社會管理等諸多領(lǐng)域得到了廣泛的應(yīng)用。隨著計算機(jī)技術(shù)和計算方法的發(fā)展，在信息處理、工業(yè)控制、科學(xué)研究等領(lǐng)域中提出了智能決策的問題，即機(jī)器如何才能根據(jù)其所面臨的任務(wù)，自主地或輔助地幫助人類做出決策以實現(xiàn)其目的。近年來，決策目標(biāo)的復(fù)雜性和決策環(huán)境的不確定性對傳統(tǒng)智能決策技術(shù)提出了新的挑戰(zhàn)和機(jī)

2、遇。 免疫系統(tǒng)作為具有很高智能行為的并行、分布式、自適應(yīng)信息處理系統(tǒng)，為工程應(yīng)用問題的解決提供了新的契機(jī)；充分挖掘、利用和借鑒這種系統(tǒng)的有關(guān)理論來發(fā)展人工免疫系統(tǒng)理論及應(yīng)用已經(jīng)成為了人工智能領(lǐng)域的重要內(nèi)容和發(fā)展趨勢。免疫系統(tǒng)是一個不同于大腦思維方式的決策系統(tǒng)?？乖淖R別，抗體的產(chǎn)生，抗原的殺死過程實際上是一個多種免疫細(xì)胞聯(lián)合決策的過程。因此，將免疫系統(tǒng)的有關(guān)原理應(yīng)用于決策分析中是可行的。 本論文首先通過借鑒免疫系統(tǒng)的有關(guān)

3、原理研究了免疫決策的關(guān)鍵技術(shù)，然后將其應(yīng)用于求解協(xié)同產(chǎn)品開發(fā)中的決策問題。主要內(nèi)容和貢獻(xiàn)如下： 一、免疫決策的關(guān)鍵技術(shù)研究 1．免疫Agent。借鑒免疫細(xì)胞的特性提出了一種新型的Agent-免疫Agent，給出了免疫Agent的概念和特征；描述了免疫Agent的工作流程；建立了多免疫Agent系統(tǒng)的體系結(jié)構(gòu)；基于協(xié)同進(jìn)化的原理提出了免疫Agent之間的協(xié)作形式。免疫Agent的提出，對于提高Agent的適應(yīng)環(huán)境的能力提供

4、了一種可行的思路。 2．補體激活算法。深入挖掘補體激活原理，提煉出了兩種激活操作算子：分裂算子和結(jié)合算子；借鑒補體激活途徑，提出了一種用于復(fù)雜函數(shù)優(yōu)化求解的補體激活算法，在算法中通過選擇算子、分裂算子、結(jié)合算子、親和突變算子和記憶算子的作用，不斷推動抗體的進(jìn)化，求得全局最優(yōu)解；對算法的收斂性和魯棒性進(jìn)行了分析；將補體激活算法與典型的克隆選擇算法進(jìn)行了對比實驗。理論與實驗結(jié)果顯示了補體激活算法是收斂的，并且收斂速度比克隆選擇算法更

5、快，求得的最優(yōu)解更好，魯棒性更高。 3．多目標(biāo)免疫應(yīng)答激活算法。通過同時借鑒免疫應(yīng)答原理和補體激活原理，提出了多目標(biāo)免疫應(yīng)答激活算法（MOIRAA），在算法中，Pareto算子、選擇算子、克隆算子、分裂算子、結(jié)合算子和親和突變算子能保證算法快速收斂到Pareto最優(yōu)解；為了保證Pareto最優(yōu)解的多樣性，提出了一種計算復(fù)雜度較低的鄰居排擠算法；對算法進(jìn)行了收斂性分析；將MOIRAA與典型的多目標(biāo)進(jìn)化算法（SPEA）以及多目標(biāo)克隆

6、選擇算法（MOCSA）進(jìn)行了比較，實驗結(jié)果顯示了MOIRAA的收斂性和多樣性比SPEA和MOCSA更好。 4．多方多議題協(xié)商框架。首先，對協(xié)商模型和協(xié)商協(xié)議進(jìn)行了深入地分析；然后將免疫網(wǎng)絡(luò)與Q-學(xué)習(xí)算法相結(jié)合，提出了用于協(xié)商策略學(xué)習(xí)的基于免疫網(wǎng)絡(luò)的Q-學(xué)習(xí)算法，該算法同時結(jié)合了群體強化學(xué)習(xí)和獨立強化學(xué)習(xí)的優(yōu)點，并且學(xué)習(xí)空間遠(yuǎn)遠(yuǎn)少于群體強化學(xué)習(xí)的學(xué)習(xí)空間，學(xué)習(xí)速度更快。 二、免疫決策關(guān)鍵技術(shù)在協(xié)同產(chǎn)品開發(fā)中的應(yīng)用

7、1．基于多目標(biāo)免疫應(yīng)答激活算法的自動化產(chǎn)品概念設(shè)計。首先提出多模糊集代數(shù)和定理以及模糊集比較定理；然后根據(jù)產(chǎn)品的功能與功能載體、功能載體與功能載體之間的相互關(guān)系，利用模糊集理論建立了產(chǎn)品概念設(shè)計的模糊多目標(biāo)優(yōu)化數(shù)學(xué)模型；最后應(yīng)用多目標(biāo)免疫應(yīng)答激活算法求出了可行方案集。為實現(xiàn)產(chǎn)品概念設(shè)計的自動化提供了一條新的思路。 2．基于補體激活算法的多目標(biāo)群決策。在分析融合權(quán)重的計算方法的基礎(chǔ)上提出了多目標(biāo)決策方法；然后進(jìn)一步探討了群決策集結(jié)

8、方法；應(yīng)用補體激活算法分別求解多目標(biāo)決策問題和群決策集結(jié)問題，得出了有效的結(jié)果。 3．協(xié)同產(chǎn)品開發(fā)評價指標(biāo)的協(xié)商。首先從技術(shù)性、經(jīng)濟(jì)性、社會性三個方面建立了帶式輸送機(jī)的傳動方案設(shè)計的評價指標(biāo)體系；然后調(diào)用基于免疫網(wǎng)絡(luò)的Q-學(xué)習(xí)算法應(yīng)用于協(xié)同產(chǎn)品開發(fā)中的評價指標(biāo)的協(xié)商，并同時與獨立的Q-學(xué)習(xí)算法進(jìn)行了對比，顯示了基于免疫網(wǎng)絡(luò)的Q-學(xué)習(xí)算法能大大提高協(xié)商效率。 4．基于免疫Agent的群體決策支持系統(tǒng)。提出了其體系結(jié)構(gòu)，給出