關(guān)于克隆的科技論文

　　由于克隆科技給人類生活帶來的美好前景，人們對(duì)它寄予了無限的期望;下面小編給大家分享關(guān)于克隆的科技論文，大家快來跟小編一起欣賞吧。

　　關(guān)于克隆的科技論文篇一

　　克隆選擇算法的研究與實(shí)現(xiàn)

　　摘要:基于人工免疫系統(tǒng)的原理,提出了一種克隆選擇算法。該算法引入了克隆選擇、受體編輯、抗體循環(huán)補(bǔ)充機(jī)制等思想,并通過整合克隆選擇過程中親和度的成熟,可在搜索過程中自動(dòng)獲取與積累相關(guān)聯(lián)搜索空間的知識(shí),在有限資源的條件下高效的求得問題的解。

　　Abstract: Based on the principle of artificial immune system, a clonal selection algorithm. The algorithm introduces clonal selection, receptor editing, additional mechanisms of antibody circulating ideas, and through the integration of the clonal selection process affinity maturation process can be automated in the search for the search space associated with the accumulation of knowledge, limited resources obtained under the conditions of the problem and efficient solution.

　　關(guān)鍵詞:免疫原理 克隆選擇 抗體循環(huán)補(bǔ)充

　　Key words: immune theory clonal selection antibodies circulating complement

　　一、引言

　　人工免疫系統(tǒng)是一個(gè)新興的計(jì)算智能研究領(lǐng)域。近年來,人工免疫系統(tǒng)及其應(yīng)用已逐漸成為了智能信息系統(tǒng)中的研究熱點(diǎn)。生物免疫系統(tǒng)的免疫識(shí)別過程能在較短的時(shí)間內(nèi)利用數(shù)量相對(duì)有限的抗體去識(shí)別近乎無限多的抗原,從信息處理的角度看,這是在資源受限條件下的一整套高效問題求解機(jī)制?？寺∵x擇學(xué)說的基因重組、親和度成熟、受體編輯等機(jī)制較好地從個(gè)體層次上闡述了這種高效問題求解能力的形成,因而成為多種人工免疫系統(tǒng)模型和算法的重要思想來源,免疫算法就是一種借鑒該系統(tǒng)特性而形成的啟發(fā)式搜索算法.它具有保持種群分布多樣性的特性,避免陷入局部最優(yōu)解的優(yōu)點(diǎn)。

　　二、克隆選擇原理

　　克隆選擇是生物免疫系統(tǒng)理論的重要學(xué)說,其原理(如下圖1所示)的基本思想是只有那些能夠識(shí)別抗原的細(xì)胞才進(jìn)行擴(kuò)增,只有這些細(xì)胞才能被選擇并保留下來,而那些不能識(shí)別抗原的細(xì)胞則不選擇,也不進(jìn)行擴(kuò)增。骨髓中微小的“休眠”的B細(xì)胞每一個(gè)都載有一個(gè)不同的抗體類型。這些細(xì)胞載有對(duì)于抗原特異的受體,擴(kuò)增分化成漿細(xì)胞和記憶細(xì)胞。

　　免疫系統(tǒng)在成長的克隆中也是自適應(yīng)的,同時(shí)也呈現(xiàn)了一種變異機(jī)制,在對(duì)抗體特異編碼的基因中產(chǎn)生極高頻率點(diǎn)變異。該機(jī)制(體細(xì)胞高頻變異)與為改進(jìn)抗原結(jié)合而進(jìn)行的選擇,共同導(dǎo)致細(xì)胞與抗原具有極高的親和力匹配。

　　根據(jù)免疫系統(tǒng)中的克隆選擇學(xué)說的思想,該算法在抗體種群和抗體優(yōu)秀決定基中進(jìn)行克隆選擇操作,全面的模擬了生物免疫系統(tǒng)克隆選擇的過程,很好的保持了抗體種群的多樣性。

　　三、克隆選擇算法

　　3.1 抗體/抗原匹配算法

　　要確定一個(gè)B細(xì)胞對(duì)象與提呈的抗原結(jié)合得有多好,在抗原上任何點(diǎn)開始匹配;匹配算法計(jì)算每一位,在抗原與抗體之間以互補(bǔ)的方式進(jìn)行匹配,得出匹配值,再從匹配分值得到結(jié)合值,根據(jù)抗體的結(jié)合值的大小可以看出抗體和抗原是否結(jié)合的完美,并且可以判定出結(jié)合完美的抗體中哪些決定基起到了關(guān)鍵的作用。

　　對(duì)于一個(gè)抗體結(jié)合一個(gè)抗原,結(jié)合必須是穩(wěn)定的,也就是匹配分值在匹配發(fā)生之前必須超過一定的閾值。該設(shè)定閾值為抗體大小的一半。該方法是Hightower的匹配算法的修改,只是多種偽生物匹配的一種。

　　抗體/抗原匹配算法的描述:

　　(1)初始化抗體群,針對(duì)抗體與抗原的決定基逐位進(jìn)行異或操作,若抗體和抗原相對(duì)應(yīng)的決定基相同為0,不同為1,結(jié)果統(tǒng)記為c;

　　(2)將抗體與抗原的決定基逐位進(jìn)行異或操作結(jié)果的累積和記為(公式一);

　　(3)對(duì)由兩個(gè)或者更多個(gè)1組成的每一區(qū)域記錄長度為l;

　　(4)記抗體的結(jié)合度為(公式二);

　　(5)定義閾值為

　　(6)抗體Ab 移位一位。

　　3.2 克隆選擇算法的實(shí)現(xiàn)

　　克隆選擇算法的實(shí)質(zhì)是在進(jìn)化過程中,在每一代最優(yōu)解的附近,根據(jù)親和度的大小進(jìn)行克隆,產(chǎn)生一個(gè)變異解的群體,從而擴(kuò)大了搜索范圍(即增加了抗體的多樣性),有助于防止進(jìn)化的早熟和搜索限于局部極小值,同時(shí)通過克隆選擇來加快收斂速度。其基本思想為:隨機(jī)生成N個(gè)抗體組成的抗體群,對(duì)這些抗體進(jìn)行一些操作后,選出抗體中優(yōu)秀的決定基片段,針對(duì)這些優(yōu)秀的決定基片段進(jìn)行克隆操作,從而形成子抗體?？寺∵x擇操作只是在優(yōu)秀的抗體決定基中進(jìn)行,而不是在抗體的所有決定基中。

　　克隆選擇算法是根據(jù)克隆選擇原理和親和度的成熟發(fā)展而來的,其主要考慮了免疫方面的如下幾個(gè)方面:

　　(1)保持功能性的細(xì)胞從指令系統(tǒng)中分離;

　　(2)受刺激最強(qiáng)的個(gè)體進(jìn)行選擇和克隆;

　　(3)為受刺激的細(xì)胞死亡;

　　(4)親和力度較好的克隆個(gè)體重新選擇;

　　(5)多樣化的產(chǎn)生和保持。

　　克隆選擇算法的實(shí)現(xiàn)步驟(流程圖如圖2所示):

　　(1)初始化。隨機(jī)產(chǎn)生初始的抗體群(P);

　　(2)計(jì)算抗體與抗原的結(jié)合度。本文采用的抗體和抗原是否完美結(jié)合的匹配算法,是由Hightower提出的,對(duì)抗體和抗原逐位進(jìn)行異或操作,即抗體和抗原的決定基位相同記為0,不同記為1,若抗體和抗原結(jié)合,則其為1,根據(jù)公式一得出該抗體的匹配值,然后根據(jù)公式二可得到該組抗體和抗原的結(jié)合強(qiáng)度值(M);

　　(3)挖掘一個(gè)抗體中優(yōu)秀的決定基片段。根據(jù)抗體和抗原的結(jié)合的匹配程度,我們可以看出抗體與抗原能夠結(jié)合上的決定基位,算法中提到必須是兩個(gè)或者更多個(gè)連續(xù)結(jié)合的決定基片段才進(jìn)行挖掘提取(Pm)。

　　(4)對(duì)選擇出抗體的優(yōu)秀決定基的片段進(jìn)行克隆操作,產(chǎn)生一個(gè)暫時(shí)的克隆群體(C);

　　(5)隨機(jī)生成新的編碼融合進(jìn)暫時(shí)的克隆群體中,形成新的抗體群(Pn)。

　　3.3 抗體的循環(huán)補(bǔ)充

　　生物免疫系統(tǒng)中為了保持抗體的多樣性,每天都會(huì)產(chǎn)生大量的新的抗體注入到免疫系

　　統(tǒng)中,其中大多數(shù)抗體決定基的片段會(huì)因?yàn)榻Y(jié)合度太低而遭受到抑制,但仍有少數(shù)的抗體片段跟抗原具有很好的結(jié)合,獲得了克隆擴(kuò)增機(jī)會(huì)。為了模擬這一抗體循環(huán)補(bǔ)充機(jī)制,我們?cè)诿看螌?duì)優(yōu)秀抗體決定基片段的提取之后,再隨機(jī)產(chǎn)生的抗體決定基注入到提取出來的優(yōu)秀抗體決定基片段中,形成新的抗體進(jìn)入到克隆擴(kuò)增以及結(jié)合度成熟的過程中,以提高抗體的多樣性,實(shí)現(xiàn)全局范圍內(nèi)的搜索優(yōu)化,避免陷入局部最優(yōu)解。

　　四、克隆選擇算法運(yùn)行結(jié)果

　　圖3(a)中我們可以清楚的看到抗原與抗體是怎樣結(jié)合的,并找到了能夠完美結(jié)合的抗體中優(yōu)秀的決定基片段,根據(jù)算法的運(yùn)行可得出抗體與抗原的結(jié)合度為156。圖3(b)中可以看出算法能夠?qū)@些優(yōu)秀決定基片段進(jìn)行了挖掘。圖3(c)中算法實(shí)現(xiàn)克隆。圖3

　　(d)中隨機(jī)生成新的編碼融合進(jìn)暫時(shí)的克隆群體中,形成新的抗體群。

　　五、結(jié)束語

　　借鑒了生物免疫系統(tǒng)中的克隆選擇原理,從而設(shè)計(jì)了本算法。在文中詳細(xì)闡述了算法的實(shí)現(xiàn)步驟,并且該算法通過調(diào)試能正確的完成其功能輸出。但是該算法還沒有通過實(shí)例驗(yàn)證,在接下來的工作中,將本算法應(yīng)用到實(shí)例中,來判定算法的性能。

　　參考文獻(xiàn):

　　[1]韋巍,張國宏.人工免疫系統(tǒng)及其在控制系統(tǒng)中的應(yīng)用.控制理論與應(yīng)用,2002,19 (2):157-160

　　[2]莫宏偉.人工免疫系統(tǒng)原理與應(yīng)用.哈爾濱工業(yè)大學(xué)出版社.2003.1390

　　[3]羅小平.人工免疫遺傳學(xué)習(xí)算法及其工程應(yīng)用研究「學(xué)位論文」.浙江大學(xué).2002.7.129

　　[4]Luh Guan-Chun,Chueh Chung-Huei.Multi-objective optimal design of truss structure with immune algorithm[J].Computers and Struc-tures,2004.82:829-844

　　[5]Thomas M Cover.J A Thomas.Elements of Information Theory[M].北京:清華大學(xué)出版社,2003

點(diǎn)擊下頁還有更多>>>關(guān)于克隆的科技論文