本文關(guān)鍵詞：基于人工智能整合的人工免疫內(nèi)分泌模型及算法，由筆耕文化傳播整理發(fā)布。

【摘要】： 近年來,受生物機(jī)理啟發(fā)的信息處理系統(tǒng)已成為人工智能領(lǐng)域研究的重要內(nèi)容。生物免疫系統(tǒng)因其具有記憶、并行及自適應(yīng)等高智能特性,發(fā)展基于生物免疫系統(tǒng)的智能算法及其工程應(yīng)用已成為當(dāng)前的熱點(diǎn)研究,而作為生物體三大調(diào)節(jié)系統(tǒng)之一的內(nèi)分泌系統(tǒng)也蘊(yùn)含著豐富的信息處理機(jī)制。本文旨在借鑒生物動態(tài)平衡原理、免疫記憶及識別原理、激素調(diào)節(jié)機(jī)理等研究了基于人工智能整合的人工免疫內(nèi)分泌算法,研究內(nèi)容主要包括: 一、基于生物動態(tài)平衡機(jī)理,提出了一種人工智能整合的思路。通過深入分析生物三大調(diào)節(jié)系統(tǒng)的動態(tài)平衡機(jī)理,聯(lián)系三大系統(tǒng)間相互聯(lián)系及其信息分子、信息存儲及記憶、正負(fù)反饋調(diào)節(jié)等機(jī)制,提出人工智能整合的思想和簡單模型,為開發(fā)智能算法及其工程應(yīng)用提供一種新的研究思路。 二、基于免疫應(yīng)答原理和內(nèi)分泌調(diào)節(jié)機(jī)理,提出了一種新的免疫內(nèi)分泌算法。借鑒激素對免疫系統(tǒng)的調(diào)節(jié)機(jī)理,引入抗體濃度和激素濃度的概念,采用個體適應(yīng)度的矢量距來定量描述抗體濃度,以激素濃度和個體適應(yīng)度來共同驅(qū)動種群的進(jìn)化過程,用以保證算法快速收斂和有效避免早熟。 三、人工免疫內(nèi)分泌系統(tǒng)的算法研究。通過若干典型測試函數(shù)對本算法進(jìn)行了性能測試,結(jié)果顯示其有快速的全局搜索性能。另外通過求解31城市的CTSP組合優(yōu)化問題,顯示出本算法在求解組合優(yōu)化中也具有較好的快速性和全局收斂性。 四、基于生物內(nèi)分泌系統(tǒng)的激素調(diào)節(jié)機(jī)理,提出了一種全新的人工激素調(diào)節(jié)模型。通過對激素作用特點(diǎn)及調(diào)節(jié)機(jī)理的深入分析,從分子動力學(xué)的角度模擬內(nèi)分泌腺體分泌激素進(jìn)行調(diào)節(jié)的各個階段,抽取有用機(jī)理建立模型算法。并對提出的算法進(jìn)行了簡單數(shù)值仿真,驗(yàn)證了算法性能。
【關(guān)鍵詞】：智能整合 人工免疫 人工內(nèi)分泌系統(tǒng) 激素調(diào)節(jié)
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2006
【分類號】：TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-16
• 1.1 人工免疫內(nèi)分泌系統(tǒng)的研究背景8-9
• 1.1.1 人工免疫系統(tǒng)概述8
• 1.1.2 人工內(nèi)分泌系統(tǒng)概述8-9
• 1.2 人工免疫內(nèi)分泌系統(tǒng)的研究意義9
• 1.3 人工免疫系統(tǒng)的研究綜述9-12
• 1.3.1 人工免疫系統(tǒng)模型9-10
• 1.3.2 免疫學(xué)習(xí)算法10-11
• 1.3.3 人工免疫系統(tǒng)的工程應(yīng)用11-12
• 1.3.4 人工免疫系統(tǒng)的發(fā)展方向12
• 1.4 人工內(nèi)分泌系統(tǒng)的研究綜述12-14
• 1.4.1 人工內(nèi)分泌系統(tǒng)的模型及其應(yīng)用12-14
• 1.4.2 人工內(nèi)分泌系統(tǒng)的發(fā)展方向14
• 1.5 本文的主要工作和安排14-16
• 第2章 人工免疫內(nèi)分泌算法的生物學(xué)基礎(chǔ)16-23
• 2.1 生物免疫學(xué)基礎(chǔ)16-18
• 2.1.1 基本概念和術(shù)語16-17
• 2.1.2 AIS的仿生機(jī)理17-18
• 2.2 內(nèi)分泌生理學(xué)的生物學(xué)基礎(chǔ)18-22
• 2.2.1 內(nèi)分泌學(xué)的發(fā)展簡史18-19
• 2.2.2 基本概念和術(shù)語19
• 2.2.3 內(nèi)分泌系統(tǒng)的組織結(jié)構(gòu)19-21
• 2.2.4 生物激素的特性21-22
• 2.3 本章小結(jié)22-23
• 第3章 基于動態(tài)平衡原理的人工智能整合的研究23-33
• 3.1 AIC的生物機(jī)理23-26
• 3.1.1 神經(jīng)、免疫、內(nèi)分泌系統(tǒng)的特性比較23-24
• 3.1.2 神經(jīng)、免疫、內(nèi)分泌系統(tǒng)的共性比較24-25
• 3.1.3 神經(jīng)、免疫、內(nèi)分泌系統(tǒng)間的相互關(guān)系25-26
• 3.2 AIC的理論框架26-29
• 3.2.1 人工神經(jīng)網(wǎng)絡(luò)（ANN）26-27
• 3.2.2 人工內(nèi)分泌系統(tǒng)（AES）27-28
• 3.2.3 人工免疫系統(tǒng)（AIS）28-29
• 3.3 對人工智能的一點(diǎn)新思考29-32
• 3.3.1 新思路的理論根據(jù)29-30
• 3.3.2 自主學(xué)習(xí)能力的實(shí)現(xiàn)30-32
• 3.4 本章小結(jié)32-33
• 第4章 AIES的模型及算法33-47
• 4.1 引言33
• 4.2 免疫內(nèi)分泌算法的計(jì)算模型33-34
• 4.2.1 免疫應(yīng)答流程33-34
• 4.2.2 激素調(diào)節(jié)原理34
• 4.3 免疫內(nèi)分泌算法34-37
• 4.3.1 免疫內(nèi)分泌算法的基本操作35-36
• 4.3.2 算法的主要計(jì)算步驟36-37
• 4.4 數(shù)值仿真結(jié)果37-43
• 4.4.1 測試函數(shù)37-40
• 4.4.2 算法參數(shù)設(shè)定40-41
• 4.4.3 仿真結(jié)果及分析41-43
• 4.5 求解中國城市旅行商問題（C－TSP問題）43-45
• 4.5.1 問題描述43-44
• 4.5.2 仿真實(shí)驗(yàn)設(shè)計(jì)44
• 4.5.3 仿真結(jié)果及分析44-45
• 4.6 免疫內(nèi)分泌算法的優(yōu)化機(jī)理45-46
• 4.7 本章小結(jié)46-47
• 第5章 人工激素模型及算法研究47-53
• 5.1 引言47
• 5.2 人工激素計(jì)算模型47-48
• 5.3 人工激素調(diào)節(jié)算法48-52
• 5.3.1 人工激素調(diào)節(jié)算法的基本操作49-50
• 5.3.2 算法的計(jì)算步驟50
• 5.3.3 函數(shù)仿真結(jié)果50-52
• 5.4 本章小結(jié)52-53
• 結(jié)論53-55
• 參考文獻(xiàn)55-58
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文58-60
• 致謝60

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 丁菊玲;勒中堅(jiān);李鐘華;林小堅(jiān);;人工內(nèi)分泌系統(tǒng)研究綜述[J];科技廣場;2009年03期

2 關(guān)麗霞;;人工內(nèi)分泌系統(tǒng)研究[J];微計(jì)算機(jī)信息;2012年07期

3 王毅;孔曉琳;牛奕龍;齊敏;樊養(yǎng)余;;基于激素調(diào)節(jié)的量子免疫克隆函數(shù)優(yōu)化算法[J];系統(tǒng)工程與電子技術(shù);2012年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王雷;類生物化制造系統(tǒng)協(xié)調(diào)機(jī)制及關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 梁建偉;人工內(nèi)分泌情感模型研究[D];中國科學(xué)技術(shù)大學(xué);2011年

2 黃桓;六自由度并聯(lián)機(jī)器人內(nèi)分泌控制策略的研究[D];東華大學(xué);2009年

3 高翔;PSO在決策支持中多目標(biāo)靜態(tài)優(yōu)化問題的算法應(yīng)用研究[D];電子科技大學(xué);2009年

4 李龍;人工免疫算法的改進(jìn)與IP核實(shí)現(xiàn)[D];東華大學(xué);2013年

  本文關(guān)鍵詞：基于人工智能整合的人工免疫內(nèi)分泌模型及算法，由筆耕文化傳播整理發(fā)布。

，

本文編號：297016