关于克隆的科技论文
由于克隆科技给人类生活带来的美好前景，人们对它寄予了无限的期望;下面小编给大家分享关于克隆的科技论文，大家快来跟小编一起欣赏吧。
关于克隆的科技论文篇一
克隆选择算法的研究与实现
摘要:基于人工免疫系统的原理,提出了一种克隆选择算法。该算法引入了克隆选择、受体编辑、抗体循环补充机制等思想,并通过整合克隆选择过程中亲和度的成熟,可在搜索过程中自动获取与积累相关联搜索空间的知识,在有限资源的条件下高效的求得问题的解。
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.
关键词:免疫原理 克隆选择 抗体循环补充
Key words: immune theory clonal selection antibodies circulating complement
一、引言
人工免疫系统是一个新兴的计算智能研究领域。近年来,人工免疫系统及其应用已逐渐成为了智能信息系统中的研究热点。生物免疫系统的免疫识别过程能在较短的时间内利用数量相对有限的抗体去识别近乎无限多的抗原,从信息处理的角度看,这是在资源受限条件下的一整套高效问题求解机制。克隆选择学说的基因重组、亲和度成熟、受体编辑等机制较好地从个体层次上阐述了这种高效问题求解能力的形成,因而成为多种人工免疫系统模型和算法的重要思想来源,免疫算法就是一种借鉴该系统特性而形成的启发式搜索算法.它具有保持种群分布多样性的特性,避免陷入局部最优解的优点。
二、克隆选择原理
克隆选择是生物免疫系统理论的重要学说,其原理(如下图1所示)的基本思想是只有那些能够识别抗原的细胞才进行扩增,只有这些细胞才能被选择并保留下来,而那些不能识别抗原的细胞则不选择,也不进行扩增。骨髓中微小的“休眠”的B细胞每一个都载有一个不同的抗体类型。这些细胞载有对于抗原特异的受体,扩增分化成浆细胞和记忆细胞。
免疫系统在成长的克隆中也是自适应的,同时也呈现了一种变异机制,在对抗体特异编码的基因中产生极高频率点变异。该机制(体细胞高频变异)与为改进抗原结合而进行的选择,共同导致细胞与抗原具有极高的亲和力匹配。
根据免疫系统中的克隆选择学说的思想,该算法在抗体种群和抗体优秀决定基中进行克隆选择操作,全面的模拟了生物免疫系统克隆选择的过程,很好的保持了抗体种群的多样性。
三、克隆选择算法
3.1 抗体/抗原匹配算法
要确定一个B细胞对象与提呈的抗原结合得有多好,在抗原上任何点开始匹配;匹配算法计算每一位,在抗原与抗体之间以互补的方式进行匹配,得出匹配值,再从匹配分值得到结合值,根据抗体的结合值的大小可以看出抗体和抗原是否结合的完美,并且可以判定出结合完美的抗体中哪些决定基起到了关键的作用。
对于一个抗体结合一个抗原,结合必须是稳定的,也就是匹配分值在匹配发生之前必须超过一定的阈值。该设定阈值为抗体大小的一半。该方法是Hightower的匹配算法的修改,只是多种伪生物匹配的一种。
抗体/抗原匹配算法的描述:
(1)初始化抗体群,针对抗体与抗原的决定基逐位进行异或操作,若抗体和抗原相对应的决定基相同为0,不同为1,结果统记为c;
(2)将抗体与抗原的决定基逐位进行异或操作结果的累积和记为(公式一);
(3)对由两个或者更多个1组成的每一区域记录长度为l;
(4)记抗体的结合度为(公式二);
(5)定义阈值为
(6)抗体Ab 移位一位。
3.2 克隆选择算法的实现
克隆选择算法的实质是在进化过程中,在每一代最优解的附近,根据亲和度的大小进行克隆,产生一个变异解的群体,从而扩大了搜索范围(即增加了抗体的多样性),有助于防止进化的早熟和搜索限于局部极小值,同时通过克隆选择来加快收敛速度。其基本思想为:随机生成N个抗体组成的抗体群,对这些抗体进行一些操作后,选出抗体中优秀的决定基片段,针对这些优秀的决定基片段进行克隆操作,从而形成子抗体。克隆选择操作只是在优秀的抗体决定基中进行,而不是在抗体的所有决定基中。
克隆选择算法是根据克隆选择原理和亲和度的成熟发展而来的,其主要考虑了免疫方面的如下几个方面:
(1)保持功能性的细胞从指令系统中分离;
(2)受刺激最强的个体进行选择和克隆;
(3)为受刺激的细胞死亡;
(4)亲和力度较好的克隆个体重新选择;
(5)多样化的产生和保持。
克隆选择算法的实现步骤(流程图如图2所示):
(1)初始化。随机产生初始的抗体群(P);
(2)计算抗体与抗原的结合度。本文采用的抗体和抗原是否完美结合的匹配算法,是由Hightower提出的,对抗体和抗原逐位进行异或操作,即抗体和抗原的决定基位相同记为0,不同记为1,若抗体和抗原结合,则其为1,根据公式一得出该抗体的匹配值,然后根据公式二可得到该组抗体和抗原的结合强度值(M);
(3)挖掘一个抗体中优秀的决定基片段。根据抗体和抗原的结合的匹配程度,我们可以看出抗体与抗原能够结合上的决定基位,算法中提到必须是两个或者更多个连续结合的决定基片段才进行挖掘提取(Pm)。
(4)对选择出抗体的优秀决定基的片段进行克隆操作,产生一个暂时的克隆群体(C);
(5)随机生成新的编码融合进暂时的克隆群体中,形成新的抗体群(Pn)。
3.3 抗体的循环补充
生物免疫系统中为了保持抗体的多样性,每天都会产生大量的新的抗体注入到免疫系
统中,其中大多数抗体决定基的片段会因为结合度太低而遭受到抑制,但仍有少数的抗体片段跟抗原具有很好的结合,获得了克隆扩增机会。为了模拟这一抗体循环补充机制,我们在每次对优秀抗体决定基片段的提取之后,再随机产生的抗体决定基注入到提取出来的优秀抗体决定基片段中,形成新的抗体进入到克隆扩增以及结合度成熟的过程中,以提高抗体的多样性,实现全局范围内的搜索优化,避免陷入局部最优解。
四、克隆选择算法运行结果
图3(a)中我们可以清楚的看到抗原与抗体是怎样结合的,并找到了能够完美结合的抗体中优秀的决定基片段,根据算法的运行可得出抗体与抗原的结合度为156。图3(b)中可以看出算法能够对这些优秀决定基片段进行了挖掘。图3(c)中算法实现克隆。图3
(d)中随机生成新的编码融合进暂时的克隆群体中,形成新的抗体群。
五、结束语
借鉴了生物免疫系统中的克隆选择原理,从而设计了本算法。在文中详细阐述了算法的实现步骤,并且该算法通过调试能正确的完成其功能输出。但是该算法还没有通过实例验证,在接下来的工作中,将本算法应用到实例中,来判定算法的性能。
参考文献:
[1]韦巍,张国宏.人工免疫系统及其在控制系统中的应用.控制理论与应用,2002,19 (2):157-160
[2]莫宏伟.人工免疫系统原理与应用.哈尔滨工业大学出版社.2003.1390
[3]罗小平.人工免疫遗传学习算法及其工程应用研究「学位论文」.浙江大学.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:清华大学出版社,2003