關于克隆的科技論文

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

　　關于克隆的科技論文篇一

　　克隆選擇算法的研究與實現(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)補充機制等思想,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獲取與積累相關聯(lián)搜索空間的知識,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.

　　關鍵詞:免疫原理 克隆選擇 抗體循環(huán)補充

　　Key words: immune theory clonal selection antibodies circulating complement

　　一、引言

　　人工免疫系統(tǒng)是一個新興的計算智能研究領域。近年來,人工免疫系統(tǒng)及其應用已逐漸成為了智能信息系統(tǒng)中的研究熱點。生物免疫系統(tǒng)的免疫識別過程能在較短的時間內利用數(shù)量相對有限的抗體去識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制。克隆選擇學說的基因重組、親和度成熟、受體編輯等機制較好地從個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。

　　二、克隆選擇原理

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

　　免疫系統(tǒng)在成長的克隆中也是自適應的,同時也呈現(xiàn)了一種變異機制,在對抗體特異編碼的基因中產生極高頻率點變異。該機制(體細胞高頻變異)與為改進抗原結合而進行的選擇,共同導致細胞與抗原具有極高的親和力匹配。

　　根據(jù)免疫系統(tǒng)中的克隆選擇學說的思想,該算法在抗體種群和抗體優(yōu)秀決定基中進行克隆選擇操作,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B細胞對象與提呈的抗原結合得有多好,在抗原上任何點開始匹配;匹配算法計算每一位,在抗原與抗體之間以互補的方式進行匹配,得出匹配值,再從匹配分值得到結合值,根據(jù)抗體的結合值的大小可以看出抗體和抗原是否結合的完美,并且可以判定出結合完美的抗體中哪些決定基起到了關鍵的作用。

　　對于一個抗體結合一個抗原,結合必須是穩(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,針對抗體與抗原的決定基逐位進行異或操作,若抗體和抗原相對應的決定基相同為0,不同為1,結果統(tǒng)記為c;

　　(2)將抗體與抗原的決定基逐位進行異或操作結果的累積和記為(公式一);

　　(3)對由兩個或者更多個1組成的每一區(qū)域記錄長度為l;

　　(4)記抗體的結合度為(公式二);

　　(5)定義閾值為

　　(6)抗體Ab 移位一位。

　　3.2 克隆選擇算法的實現(xiàn)

　　克隆選擇算法的實質是在進化過程中,在每一代最優(yōu)解的附近,根據(jù)親和度的大小進行克隆,產生一個變異解的群體,從而擴大了搜索范圍(即增加了抗體的多樣性),有助于防止進化的早熟和搜索限于局部極小值,同時通過克隆選擇來加快收斂速度。其基本思想為:隨機生成N個抗體組成的抗體群,對這些抗體進行一些操作后,選出抗體中優(yōu)秀的決定基片段,針對這些優(yōu)秀的決定基片段進行克隆操作,從而形成子抗體。克隆選擇操作只是在優(yōu)秀的抗體決定基中進行,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方面:

　　(1)保持功能性的細胞從指令系統(tǒng)中分離;

　　(2)受刺激最強的個體進行選擇和克隆;

　　(3)為受刺激的細胞死亡;

　　(4)親和力度較好的克隆個體重新選擇;

　　(5)多樣化的產生和保持。

　　克隆選擇算法的實現(xiàn)步驟(流程圖如圖2所示):

　　(1)初始化。隨機產生初始的抗體群(P);

　　(2)計算抗體與抗原的結合度。本文采用的抗體和抗原是否完美結合的匹配算法,是由Hightower提出的,對抗體和抗原逐位進行異或操作,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合強度值(M);

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

　　(4)對選擇出抗體的優(yōu)秀決定基的片段進行克隆操作,產生一個暫時的克隆群體(C);

　　(5)隨機生成新的編碼融合進暫時的克隆群體中,形成新的抗體群(Pn)。

　　3.3 抗體的循環(huán)補充

　　生物免疫系統(tǒng)中為了保持抗體的多樣性,每天都會產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因為結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合,獲得了克隆擴增機會。為了模擬這一抗體循環(huán)補充機制,我們在每次對優(yōu)秀抗體決定基片段的提取之后,再隨機產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,形成新的抗體進入到克隆擴增以及結合度成熟的過程中,以提高抗體的多樣性,實現(xiàn)全局范圍內的搜索優(yōu)化,避免陷入局部最優(yōu)解。

　　四、克隆選擇算法運行結果

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

　　(d)中隨機生成新的編碼融合進暫時的克隆群體中,形成新的抗體群。

　　五、結束語

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

　　參考文獻:

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

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

　　[3]羅小平.人工免疫遺傳學習算法及其工程應用研究「學位論文」.浙江大學.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:清華大學出版社,2003

點擊下頁還有更多>>>關于克隆的科技論文