12、人工智能中的仿生系统与社会模拟

人工智能中的仿生系统与社会模拟

人工免疫系统

在进化算法中，存在一组人工染色体，它们代表个体种群，这些个体迭代地经历繁殖、遗传变异和选择的过程。最终，会产生进化后的人工个体种群。设计受生物启发的算法框架，至少需要以下基本元素：
1. 系统组件的表示 ：例如在人工免疫系统（AIS）中，不同应用领域的系统组件表示方式不同，像网络流量和实时嵌入式系统的表示就可能不同，这种表示方式在AIS中被称为形状空间，有汉明空间、实值空间等多种类型，每种都有其偏向性，需谨慎选择。
2. 评估个体与环境及彼此间交互的机制 ：环境通常由一组输入刺激、一个或多个适应度函数等方式来激发。在AIS中，这些评估机制就是亲和度度量，如汉明距离和欧几里得距离度量等，每种亲和度度量也有其偏向性，选择时要谨慎，因为它会影响系统的整体性能和最终结果。
3. 控制系统动态的适应程序 ：即系统行为随时间的变化方式，在AIS中对应的是免疫算法。

这个框架可以看作是一种分层方法，如de Castro和Timmis（2002）提出的AIS分层框架。构建AIS这样的系统，通常需要一个应用领域或目标函数，在此基础上考虑系统组件的表示方式，选择合适的表示后，再用一个或多个亲和度度量来量化系统元素间的交互。

有监督的免疫启发学习

人工免疫识别系统（AIRS）算法是最早的免疫启发有监督学习算法之一，经过了研究和改进。从适应程序的分类来看，AIRS是克隆选择类型的免疫启发算法。系统的表示和亲和度层是标准的，可使用二进制、实值等多种表示，并搭配合适的亲和度函数。