资源描述
主要内容 研究背景与现状;免疫进化算法;免疫神经网络;计算机免疫安全 系统的探索。主要内容 研究背景与现状;1研究背景O在在生生物物科科学学领领域域,人人们们对对进进化化、遗遗传传和和免免疫疫等等自自然然 现象已经进行了广泛而深入的研究现象已经进行了广泛而深入的研究;O进进化化算算法法是是建建立立在在模模仿仿生生物物遗遗传传与与自自然然选选择择基基础础上上的一种并行优化算法,其性能优异、应用广泛;的一种并行优化算法,其性能优异、应用广泛;O进进化化算算子子在在为为每每个个个个体体提提供供了了进进化化机机会会的的同同时时,也也无可避免地产生了退化的可能;无可避免地产生了退化的可能;O大大多多数数待待求求问问题题有有可可以以利利用用的的先先验验知知识识或或特特征征信信息息,故可以利用这些信息来抑制进化过程中的退化现象;故可以利用这些信息来抑制进化过程中的退化现象;O生生物物免免疫疫理理论论为为改改进进原原有有算算法法的的性性能能,建建立立集集进进化化与免疫机制于一体的新型全局并行算法奠定了基础与免疫机制于一体的新型全局并行算法奠定了基础。研究背景在生物科学领域,人们对进化、遗传和免疫等自然 现象已2Artificial Immune SystemArtificial Immune SystemAISAIS人工智能信息处理系统的研究脑神经系统(神经网络);脑神经系统(神经网络);遗传系统(进化计算);遗传系统(进化计算);免疫系统(人工免疫系统)。免疫系统(人工免疫系统)。Artificial Immune SystemAIS人工3 一门新兴的研究领域。一门新兴的研究领域。AIS的研究历史Farmer等人在等人在1986年首先在工程领年首先在工程领域提出域提出免疫免疫概念概念;Varela等人受免疫网络学说的启发,等人受免疫网络学说的启发,提出并进而完善免疫网络模型。提出并进而完善免疫网络模型。一门新兴的研究领域。AIS的研究历史Farmer等人在14人工免疫网络模型人工免疫网络模型AIS的研究现状之一独特型免疫网络(独特型免疫网络(Jerne););互联耦合免疫网络(互联耦合免疫网络(Ishiguro););免疫反应网络(免疫反应网络(Mitsumoto););对称网络(对称网络(Hoffmann););多值免疫网络(多值免疫网络(Tang).人工免疫网络模型AIS的研究现状之一独特型免疫网络(Je5 免疫学习算法免疫学习算法AIS的研究现状之二反面选择算法(反面选择算法(Forrest););免疫学习算法(免疫学习算法(Hunt&Cooke););免疫遗传算法(免疫遗传算法(Chun););免疫免疫Agent算法(算法(Ishida););免疫网络调节算法(免疫网络调节算法(Wang&Cao););免疫进化算法(免疫进化算法(Jiao&Wang).免疫学习算法AIS的研究现状之二反面选择算法(Forr6 国际研究国际研究AIS的研究现状之三1996年,日本,基于免疫性系统的国年,日本,基于免疫性系统的国际专题讨论会,提出并确认际专题讨论会,提出并确认人工免疫人工免疫系统(系统(AIS)的概念的概念;1997年,年,IEEE的的SMC组织专门成立组织专门成立了了人工免疫系统及应用人工免疫系统及应用的分会组织;的分会组织;目前,几乎所有有关人工智能领域的目前,几乎所有有关人工智能领域的学术会议都收录学术会议都收录AIS方面的论文。方面的论文。国际研究AIS的研究现状之三1996年,日本,基于免疫7AIS 的应用 自动控制 故障诊断 模式识别 图象识别 优化设计 机器学习 网络安全AIS 的应用自动控制8AIS在控制领域中的应用PID型免疫反馈控制器(型免疫反馈控制器(Takahashi););机器人控制(机器人控制(Mitsumoto,Ishiguro,Lee););控制系统的设计(控制系统的设计(Ishida););复杂动态行为建模和自适应控制(复杂动态行为建模和自适应控制(Kumak););倒摆的控制(倒摆的控制(Bersini)。)。AIS在控制领域中的应用PID型免疫反馈控制器(Takah9AIS在故障诊断中的应用基于相关识别特性的免疫网络模型基于相关识别特性的免疫网络模型用于故障诊断的方法(用于故障诊断的方法(Ishida););通过构造大规模独特型免疫网络来通过构造大规模独特型免疫网络来建立用于在线服务的故障诊断系统建立用于在线服务的故障诊断系统(Ishiguru)。)。AIS在故障诊断中的应用基于相关识别特性的免疫网络模型用于故10AIS在模式识别中的应用Hunt等人开发了一种具有学等人开发了一种具有学习能力的人工免疫系统并用于模习能力的人工免疫系统并用于模式识别。式识别。AIS在模式识别中的应用Hunt等人开发了一种具有学习能力的11AIS在联想记忆中的应用Gilbert等人采用免疫网络模等人采用免疫网络模型设计了一种内容可访的自动联型设计了一种内容可访的自动联想记忆系统并用于图像识别。想记忆系统并用于图像识别。AIS在联想记忆中的应用Gilbert等人采用免疫网络模型设12AIS在优化设计中的应用永磁同步电动机的参数修正的优化设计;永磁同步电动机的参数修正的优化设计;电磁设备的外形优化;电磁设备的外形优化;VLSI印刷线路板的布线优化设计;印刷线路板的布线优化设计;函数测试;函数测试;旅行商问题的求解;旅行商问题的求解;约束搜索优化问题和多判据设计问题约束搜索优化问题和多判据设计问题;AIS在优化设计中的应用永磁同步电动机的参数修正的优化设计;13AIS在网络安全的应用数据检测(数据检测(Forrest););病毒检测(病毒检测(Kephart););UNIX过程监控过程监控(Forrest)。AIS在网络安全的应用数据检测(Forrest);14国际研究新动向之一以开发新型的智能系统方法为背景,研究基于生物免疫系统机理的智能系统理论和技术,同时将AIS与模糊系统、神经网络和遗传算法等软计算技术进行集成,并给出其应用方法。国际研究新动向之一以开发新型的智能系统方法为背景,研究基于生15国际研究新动向之二基于最新发展的免疫网络学说进一步建立并完善模糊、神经和其它一些专有类型的人工免疫网络模型及其应用方法。国际研究新动向之二基于最新发展的免疫网络学说进一步建立并完善16国际研究新动向之三将人工免疫系统与遗传系统的机理相互结合,并归纳出各种免疫学习算法。比如:免疫系统的多样性遗传机理和细胞选择机理可用于改善原遗传算法中对局部搜索问题不是很有效的情况;独特型网络机理可用于免疫系统中的遗传部分以避免系统出现早熟现象;发展用于处理受约束的遗传搜索和多准则问题的免疫学习算法等。国际研究新动向之三将人工免疫系统与遗传系统的机理相互结合,并17国际研究新动向之四基于免疫反馈和学习机理,设计自调整、自组织和自学习的免疫反馈控制器。展开对基于免疫反馈机理的控制系统的设计方法和应用研究,这有可能成为工程领域中种新型的智能控制系统,具有重要的理论意义与广泛的应用前景。国际研究新动向之四基于免疫反馈和学习机理,设计自调整、自组织18国际研究新动向之五进一步研究基于免疫系统机理的分布式自治系统。分布式免疫自治系统在智能计算、系统科学和经济领域将会有广阔的应用前景。国际研究新动向之五进一步研究基于免疫系统机理的分布式自治系统19国际研究新动向之六发展基于DNA编码的人工免疫系统以及基于DNA计算的免疫算法。尝试将DNA计算模型引入人工免疫系统中,研究一种基于DNA计算与AIS相结合的,有较强抗干扰能力和稳定性能的智能系统。国际研究新动向之六发展基于DNA编码的人工免疫系统以及基于D20国际研究新动向之七近年来有学者已开始研究B细胞抗体网络的振荡、混浊和稳态等非线性特性61,不过其工作才刚刚开始。人们应进一步借助非线性的研究方法来研究免疫系统的非线性行为,拓宽非线性科学的研究范围。国际研究新动向之七近年来有学者已开始研究B细胞抗体网络的振21国际研究新动向之八进一步发展AIS在科学和工程上的应用,并研制实际产品,如研制在复杂系统的协调控制、故障检测和诊断、机器监控、签名确认、噪声检测、计算机与网络数据的安全性、图像与模式识别等方面的实际产品。国际研究新动向之八进一步发展AIS在科学和工程上的应用,并研22免疫进化算法的研究第一部分免疫进化算法的研究第一部分23生物免疫的启示在在生生物物自自然然界界中中,免免疫疫现现象象普普遍遍存存在在,并并对对物物种种的的 生存与繁衍生存与繁衍 发挥着重要的作用;发挥着重要的作用;生生物物的的免免疫疫功功能能主主要要是是由由参参与与免免疫疫反反应应的的细细胞胞或或由由其构成的器官来完成的;其构成的器官来完成的;生物免疫主要有两种类型:生物免疫主要有两种类型:特异性免疫特异性免疫(Specific Immunity),),非非特异性免疫反应特异性免疫反应(Nonspecific Immunity););生生物物免免疫疫系系统统是是通通过过自自我我识识别别、相相互互刺刺激激与与制制约约而而构成了一个构成了一个 动态平衡的网络结构动态平衡的网络结构。生物免疫的启示在生物自然界中,免疫现象普遍存在,并对物种的 24免疫生物学的基本概念 抗原是指能够刺激和诱导机体的免疫系统使其产生免疫应答,并能与相应的免疫应答产物在体内或体外发生特异性反应的物质。抗体是指免疫系统受抗原刺激后,免疫细胞转化为浆细胞并产生能与抗原发生特异性结合的免疫球蛋白,该免疫球蛋白即为抗体。免疫生物学的基本概念 抗原25免疫系统的主要功能 免疫防御即机体防御病原微生物的感染;免疫(自身)稳定即机体通过免疫功能经常消除那些损伤和衰老的细胞以维持机体的生理平衡;免疫监视即机体通过免疫功能防止或消除体内细胞在新陈代谢过程中发生突变的和异常的细胞。免疫系统的主要功能 免疫防御26免疫系统的主要特点 免疫识别 免疫应答 免疫耐受 免疫记忆 免疫调节免疫系统的主要特点免疫识别27算法研究生物学概念与理论生物学概念与理论方法:方法:工程计算方法工程计算方法算法研究生物学概念与理论方法:工程计算方法28进化免疫 传统进化算法是在一定发生概率的条件下,随机地、没有指导地迭代搜索,因此它们在为群体中的个体提供了进化机会的同时,也无可避免地产生了退化的可能。每一个待求的实际问题都会有自身一些基本的、显而易见的特征信息或知识。然而进化算法中的交叉和变异算子在求解问题时,操作的可变程度较小。进化免疫传统进化算法是在一定发生概率的条件下,随机地、29基本概念 染色体表示待求问题的解的形式的一种数据结构。基因构成染色体的最基本的数据单位。个体具有某类染色体结构的一种特例。基本概念染色体30基本概念 抗原所有可能错误的基因,即非最佳个体的基因。疫苗根据进化环境或待求问题的先验知识,所得到的对最佳个体基因的估计。抗体根据疫苗修正某个个体的基因所得到的新个体。基本概念抗原31免疫算子有两种类型:免疫算子有两种类型:全免疫全免疫 非特异性免疫非特异性免疫目标免疫目标免疫 特异性免疫特异性免疫免疫思想的实现 免疫算子即即:群群体体中中的的每每个个个个体体在在进进化化算算子子作作用用后后,对对其其每一环节都进行一次免疫操作的免疫类型;每一环节都进行一次免疫操作的免疫类型;即即:在在进进行行了了进进化化操操作作后后,经经过过一一定定的的判判断断,个个体仅在作用点处发生免疫反应的一种类型。体仅在作用点处发生免疫反应的一种类型。免疫算子有两种类型:免疫思想的实现 免疫算子即:群体中的每32免疫操作的基本过程首首先先,对对待待求求求求问问题题进进行行具具体体分分析析,从从中中提提取取出出 最基本的特征信息最基本的特征信息;其其次次,对对此此特特征征信信息息进进行行处处理理,以以将将其其转转化化为为求解问题的一种方案;求解问题的一种方案;最最后后,将将此此方方案案以以适适当当的的形形式式转转化化成成 免免疫疫算算子子 以实施具体的操作。以实施具体的操作。免疫操作的基本过程首先,对待求求问题进行具体分析,从中提33免疫算子 算法中的免疫思想主要是在合理提取疫苗算法中的免疫思想主要是在合理提取疫苗的基础上,通过免疫算子来实现的;的基础上,通过免疫算子来实现的;免疫算子由免疫算子由 接种疫苗接种疫苗 和和 免疫选择免疫选择 两个操两个操作完成的。作完成的。The Immune operator为了防止群体为了防止群体的退化。的退化。为了提高个体为了提高个体的适应度。的适应度。免疫算子 算法中的免疫思想主要是在合理提取疫苗的基础上,34设设个个体体x,给给其其接接种种疫疫苗苗是是指指按按照照先先验验知知识识来来修修改改x的的某某些些基基因因位位上上的的基基因因或或其其分分量量,使使所所得得个个体体以以较较大大的的概概率率具具有有更更高高的的适适应应度度。疫疫苗苗 是是从从先先验验知知识识中中提提炼炼出出来来的的,它它所所含含的的信信息息量量及及其其准准确确性性对对算算法法性性能能的的发发挥挥起起着着重重要的作用。要的作用。免疫算子接种疫苗之设个体x,给其接种疫苗是指按照先验知识来修改x的某些基因位上35这这一一操操作作一一般般分分两两步步完完成成:第第一一步步是是 免免疫疫检检测测,即即对对接接种种了了疫疫苗苗的的个个体体进进行行检检测测,若若其其适适应应度度仍仍不不如如父父代代,则则该该个个体体将将被被父父代代中中所所对对应应的的个个体体所所取取代代;第第二二步步是是 退退火火选选择择,即即在在目目前前的的子代群体中以右边所示概率子代群体中以右边所示概率免疫算子免疫检测之选选择择个个体体进进入入新新的的父父代代群群体体。在在免免疫疫策策略略中中,仅仅有有免免疫疫检检测而没有退火选择。测而没有退火选择。这一操作一般分两步完成:第一步是 免疫检测,即对接种了疫苗36体系结构免疫算法免疫算法免疫规划免疫规划免疫策略免疫策略 体系结构免疫算法37免疫算法随机产生初始父代种群随机产生初始父代种群A1,根据先验知识抽取疫苗;根据先验知识抽取疫苗;若若当当前前群群体体中中包包含含最最佳佳个个体体,则则算算法法停停止止运运行行并并输输出出结果;否则,继续;结果;否则,继续;对对当当前前第第k代代父父本本种种群群Ak进进行行交交叉叉操操作作,得得到到种种群群Bk;对对Bk进行变异操作,得到种群进行变异操作,得到种群Ck;对对Ck进行接种疫苗操作,得到种群进行接种疫苗操作,得到种群Dk;对对Dk进进行行免免疫疫选选择择操操作作,得得到到新新一一代代父父本本Ak+1,转转至至第二步。第二步。Immune Algorithm-IA免疫算法随机产生初始父代种群A1,根据先验知识抽取疫苗;I38免疫算法的收敛性状态转移过程示意图:状态转移过程示意图:定定 理:免疫算法是收敛的。理:免疫算法是收敛的。定定 义义:如果对于任意的初始分布均有如果对于任意的初始分布均有则称算法收敛。则称算法收敛。免疫算法的收敛性状态转移过程示意图:定 理:免疫算法是收39初初始始化化:首首先先,根根据据要要求求确确定定解解的的精精度度;其其次次,随随机机产生产生N个个体,并由此构成初始的父代种群个个体,并由此构成初始的父代种群A0;根据先验知识抽取疫苗根据先验知识抽取疫苗H;计计算算当当前前种种群群Ak的的个个体体适适应应度度,并并进进行行停停机机条条件件的的判判断。若条件满足,则停止运行并输出结果;否则继续;断。若条件满足,则停止运行并输出结果;否则继续;对对当当前前的的父父代代群群体体Ak进进行行变变异异操操作作,生生成成子子代代群群体体Bk;对群体对群体Bk进行接种疫苗操作,得到种群进行接种疫苗操作,得到种群Ck;对对群群体体Ck进进行行免免疫疫选选择择操操作作,得得到到新新一一代代父父本本Ak+1,并并转至转至第三步第三步。免疫规划Immune Programming-IP初始化:首先,根据要求确定解的精度;其次,随机产生N个个体,40免疫规划的收敛性状态转移过程示意图:状态转移过程示意图:定定 理:免疫规划是收敛的。理:免疫规划是收敛的。定定 义义:如果对于任意的初始分布均有如果对于任意的初始分布均有则称算法收敛。则称算法收敛。免疫规划的收敛性状态转移过程示意图:定 理:免疫规划是收41免疫策略根根据据要要求求确确定定解解的的精精度度,再再根根据据先先验验知知识识抽抽取取疫疫苗苗H;随机产生随机产生 个个体作为初始的父本群体;个个体作为初始的父本群体;交叉:产生由父代和子代构成的规模为交叉:产生由父代和子代构成的规模为2 的中间群体;的中间群体;变异:对每一个个体进行变异将得到一个新的个体;变异:对每一个个体进行变异将得到一个新的个体;免免疫疫:首首先先按按照照对对问问题题的的先先验验知知识识修修改改个个体体(x,)的的某某些分量;然后对群体中注射了疫苗的个体进行检测;些分量;然后对群体中注射了疫苗的个体进行检测;选选择择:从从规规模模为为2 的的群群体体中中按按适适应应度度的的大大小小取取出出前前 个个体作为新一代父本的群体;个个体作为新一代父本的群体;停机条件检测。停机条件检测。Immune Strategy-IS免疫策略根据要求确定解的精度,再根据先验知识抽取疫苗H;Im42免疫策略的收敛性状态转移过程示意图:状态转移过程示意图:定定 理:免疫策略是收敛的。理:免疫策略是收敛的。定定 义义:如果对于任意的初始分布均有如果对于任意的初始分布均有则称算法收敛。则称算法收敛。免疫策略的收敛性状态转移过程示意图:定 理:免疫策略是收43免疫算子的机理在在免免疫疫选选择择作作用用下下,若若疫疫苗苗使使抗抗体体适适应应度度得得到到提提高高,且且高高于于当当前前群群体体的的平平均均适适应应度度,则则疫疫苗苗所所对对应应的的模模式式将将在在群群体体中中呈呈指指数数级级扩扩散散;否否则则,它它将将被被遏遏制制或呈指数级衰减。或呈指数级衰减。定定 理:理:免疫算子的机理在免疫选择作用下,若疫苗使抗体适应度得到提高,44Begin:抽取疫苗:抽取疫苗:分析待求问题,搜集特征信息;分析待求问题,搜集特征信息;依据特征信息估计特定基因位上的模式依据特征信息估计特定基因位上的模式:;k=0 and j=0;while(Conditions=True)if PV=True,then j=j+1;i=0;for(in)接种疫苗:接种疫苗:;免疫检验:免疫检验:if ,then ;else ;i=i+1;退火选择:退火选择:;k=k+1;End免疫算子的执行算法Begin:免疫算子的执行算法45具体分析待求问题,搜集特征信息。具体分析待求问题,搜集特征信息。免疫疫苗的选取方法通用方法之一以以TSP问问题题为为例例,通通过过具具体体分分析析可可以以得得出出相相邻邻两两两两城城市市之之间间的的最最短短路路径径即即为求解该问题时可以利用的一种疫苗。为求解该问题时可以利用的一种疫苗。具体分析待求问题,搜集特征信息。免疫疫苗的选取方法通用方法之46TSP问题的描述TSP问问题题是是旅旅行行商商问问题题的的简简称称。即即一一个个商商人人从从某某一一城城市市出出发发,要要遍遍历历所所有有目目标标城城市市,其其中中每每个个城城市市必必须须而而且且只只须须访访问问一一次次。所所要要研研究究的的问问题题是是在在所有可能的路径所有可能的路径中中寻寻找找一一条条路路程程最最短短的的路路线线。该该问问题题是是一一个个典典型型的的NP问问题题,即随着规模的增加,可行解的数目将做指数级增长。即随着规模的增加,可行解的数目将做指数级增长。TSP问题的描述TSP问题是旅行商问题的简称。即一个商人从某47TSP问题的分析设所有与城市设所有与城市Ai距离最近的城市为距离最近的城市为Aj,进行一次如虚线所示的调整后进行一次如虚线所示的调整后,多数情况下,多数情况下,l3较较aj-1+aj的减少量要大于的减少量要大于l1+l2较较ai的增加量。的增加量。故:故:TSP问题的分析设所有与城市Ai距离最近的城市为Aj,进行一48Begin:while(Conditions=True)统计父代群体,确定最佳个体:统计父代群体,确定最佳个体:;分解最佳个体,抽取免疫基因:分解最佳个体,抽取免疫基因:;执行遗传和免疫算子操作执行遗传和免疫算子操作;end免疫疫苗的选取方法自适应方法之二Begin:免疫疫苗的选取方法自适应方法之二49Begin:邻近城市序列初始化:邻近城市序列初始化:Neighbor(i)=random(1,n),i=1,n;最短子路径的初始化:最短子路径的初始化:Sub_path(i)i=1,n;while(Conditions=True)for i=1 to n 变异:变异:Neighbor(i)=Floor(Gauss(Neighbor(i),1);选择:选择:if Distance(City_ i,Neighbor(i)Min_distance(i)then Sub_path(i)=Neighbor(i);Min_distance(i)=Distance(City_ i,Neighbor(i);end endend免疫疫苗的选取方法进化规划方法之三Begin:免疫疫苗的选取方法进化规划方法之三50仿真实验基于IA的TSP求解之一a.免疫抗体免疫抗体b.最优化路径最优化路径75城市的城市的TSP问题免疫优化仿真示意图问题免疫优化仿真示意图仿真实验基于IA的TSP求解之一a.免疫抗体b.51子代适应度值随进化过程子代适应度值随进化过程的变化曲线的变化曲线a 通用遗传算法计算曲线通用遗传算法计算曲线b 免疫算法计算曲线免疫算法计算曲线子代适应度值随进化过程的变化曲线a 通用遗传算法计算曲线52仿真实验基于IS的TSP求解之二a.免疫疫苗示意图免疫疫苗示意图 b.最优路径示意图最优路径示意图442城市的城市的TSP问题免疫优化仿真示意图问题免疫优化仿真示意图仿真实验基于IS的TSP求解之二a.免疫疫苗示意图 53子代适应度值随进化过程子代适应度值随进化过程的变化曲线的变化曲线a (,2 )-ES计算曲线计算曲线 b (,2 )-IS 计算曲计算曲线线子代适应度值随进化过程的变化曲线a (,2)-ES计54仿真实验基于IE的函数优化之三问题问题:在在(0,1)内寻找内寻找 xmax使下式成立使下式成立:仿真实验基于IE的函数优化之三问题:55接受正常免疫疫苗时的接受正常免疫疫苗时的计算曲线计算曲线(a)基基于于EP的的进进化化过过程中个体分布图程中个体分布图;(b)基基于于IP的的进进化化过过程程中个体分布图中个体分布图(c)EP和和IP所所求求得得的的最佳适应度对比图最佳适应度对比图(d)EP和和IP所所求求得得的的平均适应度对比图平均适应度对比图接受正常免疫疫苗时的计算曲线(a)基于EP的进化过程中个56免疫疫苗为免疫疫苗为 时的时的计算曲线计算曲线(a)基基于于EP的的进进化化过过程中个体分布图程中个体分布图;(b)基基于于IP的的进进化化过过程程中个体分布图中个体分布图(c)EP和和IP所所求求得得的的最佳适应度对比图最佳适应度对比图(d)EP和和IP所所求求得得的的平均适应度对比图平均适应度对比图免疫疫苗为 时的计算曲线(a)基于EP的进化过程57免疫神经网络的研究第二部分免疫神经网络的研究第二部分58自然免疫网络 生物学免疫网络原型:生物学免疫网络原型:Jerne:免疫系统是通过自我识免疫系统是通过自我识别和相互刺激与约束而构成的别和相互刺激与约束而构成的一个动态平衡的网络结构。一个动态平衡的网络结构。免疫应答免疫应答(免疫耐受与记忆免疫耐受与记忆);Varela 的免疫网络模型:的免疫网络模型:系统的动力学部分;系统的动力学部分;系统的元动力学部分;系统的元动力学部分;系统的免疫恢复机制系统的免疫恢复机制(IRM).自然免疫网络 生物学免疫网络原型:J59免疫神经网络的生物学特征 一个完整的神经元由细胞体、树突、轴突、突一个完整的神经元由细胞体、树突、轴突、突触和神经末梢等几大部分构成,其中细胞体是触和神经末梢等几大部分构成,其中细胞体是神经元的主体。神经元的主体。人的脑系统大约由人的脑系统大约由1011个神经元组成。这些神经个神经元组成。这些神经元虽然在物理结构上是基本一致的,但其功能元虽然在物理结构上是基本一致的,但其功能和在系统中所发挥的作用是有明显差别的。和在系统中所发挥的作用是有明显差别的。生物免疫系统具有记忆功能以及自学习、自组生物免疫系统具有记忆功能以及自学习、自组织和自适应的能力。织和自适应的能力。免疫神经网络的生物学特征一个完整的神经元由细胞体、树突、60人工免疫神经网络的研究 已有人工神经网络的特点。已有人工神经网络的特点。利用先验知识改进人工神经网络结构的尝试:利用先验知识改进人工神经网络结构的尝试:Stork,1992年,奇偶校验问题。年,奇偶校验问题。Kryghyak,1993年,奇偶校验问题。年,奇偶校验问题。吴佑寿,吴佑寿,1996年,奇偶校验和对称性校验的年,奇偶校验和对称性校验的 问题。问题。人工免疫神经网络的研究已有人工神经网络的特点。61一种免疫神经网络模型一种免疫神经网络模型62免疫神经网络中激励函数的选取方法 分析待求问题的过程,搜集特征信息,再根据先验知识找出输入变量之间的相互约束关系;设计激励单元的基本类型。即根据上述约束关系,选取一种适当的含有待定参数的函数族;根据第步所提取的疫苗填充疫苗接种单元;选取一种网络学习算法,如LMS和改进的BP算法等,利用训练样本来修正网络中的权值矩阵和阀值等相关参数。免疫神经网络中激励函数的选取方法分析待求问题的过程,搜集63免疫神经网络的自学习算法 将激励函数中的参数将激励函数中的参数V当作网络训练的目标之一;当作网络训练的目标之一;采采用用成成批批训训练练和和添添加加动动量量项项的的方方法法来来训训练练网网络络权权值和激励函数中的参数值和激励函数中的参数。免疫神经网络的自学习算法将激励函数中的参数V当作网络训练64免疫神经网络的设计实例免疫神经网络的设计实例65双螺旋线问题的求解设螺旋线的参数方程形式为:由此可得:双螺旋线问题的求解设螺旋线的参数方程形式为:由此可得:66双螺旋线问题的求解设计激励单元的基本类型:双螺旋线问题的求解设计激励单元的基本类型:67双螺旋线问题的求解解决双螺旋线的免疫神经网络的形式为:双螺旋线问题的求解解决双螺旋线的免疫神经网络的形式为:68双螺旋线问题的仿真结果带有随机干扰的两类螺旋线:双螺旋线问题的仿真结果带有随机干扰的两类螺旋线:69免疫进化子波网络模型免疫进化子波网络模型70网络方程:免疫进化子波网络模型目标函数:网络方程:免疫进化子波网络模型目标函数:71子波函数的参数初始化 确定一个母波函数以及对特定目标信号的伸缩、确定一个母波函数以及对特定目标信号的伸缩、平移参数的取值范围;平移参数的取值范围;利用免疫进化算法进行优化搜索;利用免疫进化算法进行优化搜索;获得一组有利于分类识别的信号子波特征获得一组有利于分类识别的信号子波特征。子波函数的参数初始化确定一个母波函数以及对特定目标信号的72子波网络的学习算法初始化。将任意选取n组权值以及初始化后的子波基参数做为初始群体;根据先验知识抽取疫苗H。根据对问题的先验知识或其应用背景方面的特征信息,来确定个体在某些基因上的取值特征或基因之间的相互制约关系,并以此做为待求问题的免疫疫苗,经编码处理后即可视为H;另一方面,若以上条件尚不具备,我们即可采用算法2来动态寻找H,并将该过程置于第4与第5步骤之间进行;子波网络的学习算法初始化。将任意选取n组权值以及初始化后73学习算法(续)计算当前群体中所有个体的适应度,并从中确定最佳个体,然后判断停机条件是否满足;对当前群体实施变异操作;对当前群体实施接种疫苗操作;对接种了疫苗的个体进行检验,并对所注射的疫苗做出评价;计算当前群体中所有个体的适应度,并以此为根据在一定的选择机制下,挑选出n个个体组成下一代进化的群体,然后转至第3步。学习算法(续)计算当前群体中所有个体的适应度,并从中确定74双螺旋线问题的仿真结果带有随机干扰的两类螺旋线:双螺旋线问题的仿真结果带有随机干扰的两类螺旋线:75仿真结果分析 正确识别率为正确识别率为 95.3125%,略低于免疫神经网络,略低于免疫神经网络的识别结果(的识别结果(97.81%)。)。在免疫神经网络中,免疫调节的范围包括网络在免疫神经网络中,免疫调节的范围包括网络结构和参数两个方面;而在免疫子波神经网络结构和参数两个方面;而在免疫子波神经网络中,调节范围只限于函数参数的调节上。中,调节范围只限于函数参数的调节上。仿真结果分析正确识别率为 95.3125%,略低于免疫神76免疫理论的应用研究第三部分免疫理论的应用研究第三部分77计算机免疫系统的研究计算机网络模型示意图计算机免疫系统的研究计算机网络模型示意图78 随着现代计算机网络技术和信息技术的高速发展,特别是Internet在全球领域的推广,计算机信息系统的安全日渐突出;从功能上分析,计算机(网络)系统一般包括信息的传输与变换两个方面。由于这两方面对信息处理的目的不同,所以它们对安全性的要求也不一样。就传输过程而言,系统要求防止外界自然因素对信息的影响和人为因素的监听、截获和施扰;在对信息的转换和处理过程中,主要预防黑客的入侵和 病毒的破坏。计算机免疫系统的研究 随着现代计算机网络技术和信息技术的高速发展,特别是In79 先天免疫性先天免疫性先天免疫性先天免疫性 自适应免疫性自适应免疫性自适应免疫性自适应免疫性 信息发布的快速性信息发布的快速性信息发布的快速性信息发布的快速性 可测量性可测量性可测量性可测量性 安全与可靠性安全与可靠性安全与可靠性安全与可靠性 用户可控性用户可控性用户可控性用户可控性免疫系统的设计原则 先天免疫性 免疫系统的设计原则80信息传输免疫系统信息传输免疫系统示意图信息传输免疫系统信息传输免疫系统示意图81信息传输免疫系统信息序列的基带信号:伪随机信号:调制后发送信号:信息传输免疫系统信息序列的基带信号:伪随机信号:调制后发送信82信息传输免疫系统接收段信号:经伪随机解调信号:经过解调输出的干扰信号总能量:信息传输免疫系统接收段信号:经伪随机解调信号:经过解调输出的83信息处理免疫系统计算机人工免疫系统结构示意图信息处理免疫系统计算机人工免疫84终端层各单元的功能 病毒检测 指在终端机或单独的计算机上进行针对病毒代码和信息异常变化的检测,所采取的主要技术包括病毒特征码的扫描技术和系统信息跟踪技术;获取样本病毒 在单机系统内部散布一些“诱饵”程序并监测其变化情况,将被改变程序中的相关代码与已知病毒代码进行比对处理,从中获取相应的、新的病毒样本。这一过程即为后面即将介绍的诱饵算法的基本思路;病毒清除 清除由病毒检测过程和“诱饵”算法所查获的新旧病毒,然后记录操作情况并发出警告;信息修复 根据上一级免疫系统提供的修复程序对病毒破坏的信息进行自主式修复。终端层各单元的功能 病毒检测 指在终端机或单独的计算机85局域层各单元的功能 系统监控 系统随时监测本系统内信息的变化情况,遇有异常迹象则释放“诱饵”并跟踪和记录该信息的变化过程,以判断其操作的合法性。系统报警 当判断信息的变化过程确属异常或非法时,锁定信息并向上一层或管理人员报警;另外,系统根据本层病毒特征提取的情况确定是否向下层发出新型病毒入侵的警报。病毒特征提取 系统响应下层上报的病毒报警信息,从病毒样本中提取病毒代码。然后将其与广域层的病毒数据库进行对比,属于新代码则上传给广域层进行病毒数据库的更新。局域层各单元的功能 系统监控 系统随时监测本系统内信息86广域层各单元的功能 系统信息发布 根据局域层上报的信息异常变化警报,决定是否将其跟踪和记录变化过程的数据向下层发布;定期和不定期向下层发布新型病毒特征代码和一些修复程序。修复程序生成 根据信息遭受破坏的过程记录及其特点,人为或自动地生成相应的信息修复程序。病毒数据库更新 根据下层上报的病毒特征代码更新当前的全局病毒数据库(添补新型病毒代码和删除一些长期不用的代码)。广域层各单元的功能 系统信息发布 根据局域层上报的信息87病毒监测算法病毒监测算法88异常变化监测算法异常变化监测算法89广域层各单元的功能 系统信息发布 根据局域层上报的信息异常变化警报,决定是否将其跟踪和记录变化过程的数据向下层发布;定期和不定期向下层发布新型病毒特征代码和一些修复程序。修复程序生成 根据信息遭受破坏的过程记录及其特点,人为或自动地生成相应的信息修复程序。病毒数据库更新 根据下层上报的病毒特征代码更新当前的全局病毒数据库(添补新型病毒代码和删除一些长期不用的代码)。广域层各单元的功能 系统信息发布 根据局域层上报的信息90基于免疫策略RBF的多用户监测 CDMA系统相对于以前的TDMA和FDMA系统来说具有很多突出的优点。仅有时域处理能力的CDMA系统存在诸如远近效应、多址干扰等缺陷。自适应天线可以在空域方面进一步改善传统CDMA系统的通信能力。基于免疫策略RBF的多用户监测 CDMA系统相对于以前的91空时信号模型用户k 的基带信号:用户k 的特征波形:用户k 的发送信号:空时信号模型用户k 的基带信号:用户k 的特征波形:用户k 92空时信号模型多径信号的基 带冲激响应:用户k 经第l条路径到达天线阵列的方向向量:天线阵列所接收到的信号:空时信号模型多径信号的基用户k 经第l条路天线阵列所接93空时二维接收机 一个空时二维处理器即为空时接收调制解调器,它同时对所有的天线工作,并在时间和空间两个域处理所接收的信号。一个典型的空时匹配滤波器一般为两极结构。其中,前一级结构主要用作对接收信号的时域匹配滤波;后级结构则对时域处理过的信号再进行空域匹配滤波处理。空时二维接收机 一个空时二维处理器即为空时接收调制解调94空时信号模型信号经时域匹配滤波处理后的中间结果为:经空域匹配滤波处理:空时匹配滤波器的输出:空时信号模型信号经时域匹配滤波经空域匹配滤波处理:空时匹配滤95空时多用户检测器利用Cameron-Martin公式,我们可以将基于所有用户数据b的对接收信号r(t)的似然函数写成如下形式:其中:空时多用户检测器利用Cameron-Martin公式,我们可96空时多用户检测器使似然函数最大化的过程即可转化为使最大化:问题实质上是一个多目标参数的组合优化问题,若用Viterbi算法来对其进行对数最大似然估计,则计算复杂度一般为 ,故是一个完备的NP问题。空时多用户检测器使似然函数最大化的过程即可转化为使最大化:问97基于免疫策略的RBF网络RBF网络的一般结构基于免疫策略的RBF网络RBF网络的一般结构981.根据经验随机地选择固定的中心;2.根据聚类方法自组织地选取中心;3.有监督地选择中心(广义径向基函数网络)。以上三种算法中,采用第三类算法训练的RBF网络性能最好,但是由于它采用的是梯度下降算法,其训练过程较长,很容易陷入局部极小。RBF网络的学习策略1.根据经验随机地选择固定的中心;RBF网络的学习策略99基于免疫策略的RBF网络疫苗提取算法:如果隐层节点的个数为M,则随机地从训练数据集中选取M个中心。根据的不同取值计算隐层节点相应于训练数据集的输出矩阵G根据矩阵方程(Gw=d),采用最小二乘法估计RBF网络的输出线性权值矩阵w。比较取不同的值时,采用上述方法构造的不同RBF网络相应于训练数据集的均方误差。以使得均方误差最小的的取值为中心,在一定范围内重复步骤1和步骤2。基于免疫策略的RBF网络疫苗提取算法:100基于免疫策略的RBF网络基于基于RBFRBF网络的多用户检测器示意图网络的多用户检测器示意图基于免疫策略的RBF网络基于RBF网络的多用户检测器示意图101RBF网络的免疫策略学习算法 随机产生一组分布,采用某种编码方案对该组中的每个权值(或阈值)进行编码,从而构造出一个个码链(每个码链代表网络的一种权值分布)。根据经验或针对具体问题的先验知识来大致地确定方差的大致取值范围,以此作为当前问题的免疫疫苗。对当前群体进行交叉和变异算子操作,产生下一代的准个体。从当前的群体中随机地选取一定数量的个体进行疫苗注射。对所产生的网络计算它的误差函数,从而确定其适应度函数值。根据网络的适应度选择若干个个体作为下一代群体。判断终止条件是否满足:是,则停止运行并将当前最优个体所代表的网络参数作为最终的训练结果;否,则转至第步继续运行。RBF网络的免疫策略学习算法 随机产生一组分布,采用某102a.8用户b.16用户用户1的信噪比与误码率的关系曲线基于RBF网络的多用户检测器仿真结果a.8用户b.16用户基于RBF网络的多用户103a.8用户b.16用户两用户的能量比与误码率的关系曲线基于RBF网络的多用户检测器仿真结果a.8用户b.16用户基于RBF网络的多用户检104 对RBF网络进行训练时的三种算法对比曲线基于RBF网络的多用户检测器仿真结果 对RBF网络进行训练时的三种算法对比曲线基于RBF网络的多105结论与讨论(之一)免免疫疫进进化化算算法法是是集集免免疫疫机机制制和和进进化化机机制制于于一一体体的的一一种种新新的的全全局局并并行行算算法法,它它包包括括免免疫疫算算法法、免免疫疫规规划划和和免免疫疫策策略略三三种种子子算算法法。这这里里指指出出了了它它们们的的全全局局收收敛敛性性,并并且且给给出出了了免免疫疫疫疫苗苗的的选选取取策策略略和和免免疫疫算算子子的的构构造造方方法法。理理论论分分析析和和仿仿真真结结果果表表明明,与与标标准准进进化化算算法法相相比比,免免疫疫进进化化算算法法不不仅仅是是有有效效的的,也也是是可可行行的的,并并较较好好地地解解决决了了已已有有算算法中出现的退化现象,且使收敛速度有显著提高。法中出现的退化现象,且使收敛速度有显著提高。结论与讨论(之一)免疫进化算法是集免疫机制和进化机制于一体的106结论与讨论(之二)我我们们将将免免疫疫思思想想及及理理论论分分别别与与已已有有的的通通用用神神经经网网络络和和性性能能较较为为优优越越的的子子波波神神经经网网络络模模型型相相结结合合,研研究究并并设设计计了了一一种种能能够够利利用用先先验验知知识识来来对对问问题题进进行行求求解解的的新新型型网网络络,即即免免疫疫神神经经网网络络,使使网网络络提提高高了了对对一一些疑难问题的处理能力。些疑难问题的处理能力。结论与讨论(之二)我们将免疫思想及理论分别与已有的通用神经网107结论与讨论(之三)我我们们对对免免疫疫进进化化计计算算理理论论在在实实际际应应用用方方面面的的研研究究进进行行了了积积极极的的尝尝试试。针针对对当当前前通通信信领领域域的的热热点点问问题题CDMA多多用用户户检检测测,探探索索了了采采用用免免疫疫策策略略算算法法来来构构造造和和训训练练RBF网网络络的的可可能能性性和和有有效效性性,其其中中介介绍绍了了用用于于网网络络训训练练的的具具体体算算法法和和采采用用该该RBF网网络络的的多多用用户户检测器,收到比较好的效果。检测器,收到比较好的效果。结论与讨论(之三)我们对免疫进化计算理论在实际应用方面的研究108结论与讨论(之四)我我们们在在研研究究解解决决信信息息传传输输与与处处理理过过程程中中的的安安全全性性、保保密密性性和和稳稳定定性性等等问问题题的的基基础础上上,借借鉴鉴生生物物免免疫疫现现象象的的有有关关机机理理,提提出出并并设设计计了了一一种种基基于于人人工工免免疫疫策策略略的的计计算算机机信信息息安安全全系系统统。该该系系统统包包括括两两个个方方面面,即即信信息息传传输输免免疫疫系系统统和和计计算算机机信信息息处处理理免免疫疫系系统统。虽虽然然在在具具体体的的实实施施方方面面还还比比较较粗粗浅浅,但但为为我我们们在在这这方方面面的的实实践践提提供了一条可供尝试的途径。供了一条可供尝试的途径。结论与讨论(之四)我们在研究解决信息传输与处理过程中的安全性109谢 谢!谢 谢!110答辩问题之一“NP”(P.35)似乎应为似乎应为 Nondeterministic Polynomial 的缩写。的缩写。回答:是。回答:是。答辩问题之一“NP”(P.35)似乎应为 Nonde111答辩问题之二 比较免疫算法和免疫策略在求解同一问题,如比较免疫算法和免疫策略在求解同一问题,如TSP问题,的优缺点。解释编码的长度对搜索空间,群体问题,的优缺点。解释编码的长度对搜索空间,群体规模以及交叉算子的影响。规模以及交叉算子的影响。回答:针对回答:针对TSP问题,免疫策略的的求解性能要略优问题,免疫策略的的求解性能要略优于免疫算法于免疫算法。这主要因为免疫策略中的变异算子在对。这主要因为免疫策略中的变异算子在对个体进行修正时,其变化量遵循正态分布。所以在执个体进行修正时,其变化量遵循正态分布。所以在执行若干次免疫算子后,解群体的局部环境不断得到改行若干次免疫算子后,解群体的局部环境不断得到改善,在一定程度上有利于提高变异算子的作用效率。善,在一定程度上有利于提高变异算子的作用效率。答辩问题之二 比较免疫算法和免疫策略在求解同一问题,112答辩问题之二续:续:针对问题所采用的编码在具体形式上没有限制,但由针对问题所采用的编码在具体形式上没有限制,但由其张成的空间必须足以覆盖整个解空间。一般而言,其张成的空间必须足以覆盖整个解空间。一般而言,编码越紧凑,对交叉和变异算子的初期的执行效率越编码越紧凑,对交叉和变异算子的初期的执行效率越有利;而免疫算子的执行效率是由背景理论和先验知有利;而免疫算子的执行效率是由背景理论和先验知识决定,所以受编码的影响不大。群体规模的大小直识决定,所以受编码的影响不大。群体规模的大小直接决定问题求解的并行性,而与编码的长度没有直接接决定问题求解的并行性,而与编码的长度没有直接联系。群体规模越大,对群体多样性的保持越有利,联系。群体规模越大,对群体多样性的保持越有利,但对种群的进化效率的影响也越大。但对种群的进化效率的影响也越大。答辩问题之二续:113答辩问题之三 在求解在求解NP类问题时,一般是将类问题时,一般是将GA与启发式搜索,与启发式搜索,Tabu搜索或模拟退火算法进行结合。试对混合搜索或模拟退火算法进行结合。试对混合GA与与免疫算法在解免疫算法在解NP问题,如问题,如TSP问题,上做一比较。问题,上做一比较。回答:回答:NP问题时,采用以上混合进化算法对问题求问题时,采用以上混合进化算法对问题求解无疑是有益的。但针对解无疑是有益的。但针对TSP问题,其求解效率则明问题,其求解效率则明显不如免疫算法。混合显不如免疫算法。混合GA一般采用串行执行模式,即一般采用串行执行模式,即首先利用首先利用GA进行全局搜索,在确认搜索进入局部环境进行全局搜索,在确认搜索进入局部环境后,再利用局域算法以快速找到当前最佳点。后,再利用局域算法以快速找到当前最佳点。答辩问题之三 在求解NP类问题时,一般是将GA与启发114答辩问题之三续:续:这种方法的致命弱点是不能保证最后由局部算法所这种方法的致命弱点是不能保证最后由局部算法所找到的是最优点;而免疫算法中只是将局部搜索做找到的是最优点;而免疫算法中只是将局部搜索做为整体搜索过程中的一部分,故是并行的。以全局为整体搜索过程中的一部分,故是并行的。以全局搜索为主体的免疫算法在理论上保证可以找到最优搜索为主体的免疫算法在理论上保证可以找到最优点。另外,免疫算法借鉴了退火算法的一些思想,点。另外,免疫算法借鉴了退火算法的一些思想,并将其应用于群体的选择过程中,这在一定程度上并将其应用于群体的选择过程中,这在一定程度上也提高了算法的性能。也提高了算法的性能。答辩问题之三续:115答辩问题之四 说明免疫算子能够对于经典的说明免疫算子能够对于经典的GA,EP和和ES带来的带来的可能益处。可能益处。回答:回答:GA,EP 和和ES是进化算法中比较有代表性的三是进化算法中比较有代表性的三种类型,它们的全局搜索能力是很好的,但其局域搜种类型,它们的全局搜索能力是很好的,但其局域搜索能力存在缺陷,甚至会出现暂时的退化现象。免疫索能力存在缺陷,甚至会出现暂时的退化现象。免疫算子的引入,为以上三种算法增加了一定的联想和记算子的引入,为以上三种算法增加了一定的联想和记忆功能,故在一定程度上可以避免退化现象的平凡发忆功能,故在一定程度上可以避免退化现象的平凡发生,从而提高了算法的整体搜索性能。生,从而提高了算法的整体搜索性能。答辩问题之四 说明免疫算子能够对于经典的GA,EP116答辩问题之五 解释对于一个具体问题如何将关于它的先验条件和解释对于一个具体问题如何将关于它的先验条件和知识转化为免疫算子。知识转化为免疫算子。回答:免疫算子的执行是建立在编码基础上,对个体回答:免疫算子的执行是建立在编码基础上,对个体基因位进行估计的过程,其行为受到一定的监视与约基因位进行估计的过程,其行为受到一定的监视与约束。选定免疫算子有两种基本途径:束。选定免疫算子有两种基本途径:1,依据背景理论,依据背景理论或先验知识建立个体基因位(之间)的约束关系,并或先验知识建立个体基因位(之间)的约束关系,并由此设计算子的具体形式;由此设计算子的具体形式;2,从当前次优子群体中提,从当前次优子群体中提取基因信息来设计免疫算子。取基因信息来设计免疫算子。答辩问题之五 解释对于一个具体问题如何将关于它的先117答辩问题之六 在在CDMA多用户检测中,论文中只对免疫多用户检测中,论文中只对免疫RBF网网络方法同匹配滤波器,络方法同匹配滤波器,RAKE接收机进行了比较。作接收机进行了比较。作者是否能与盲多用户检测中的者是否能与盲多用户检测中的LMS,RLS等算法进行等算法进行比较?比较?回答:在论文中我们没有涉及问题所提的内容,不过回答:在论文中我们没有涉及问题所提的内容,不过这将是我们在该领域研究的一个方向。如果针对发射这将是我们在该领域研究的一个方向。如果针对发射信号特征的认识是全盲的,文中的算法估计不会有盲信号特征的认识是全盲的,文中的算法估计不会有盲多用户检测中多用户检测中LMS和和RLS等算法那样好的效果。等算法那样好的效果。答辩问题之六 在CDMA多用户检测中,论文中只对免118答辩问题之七 在仿真的在仿真的CDMA系统中是否考虑到异步和系统中是否考虑到异步和Rayleigh衰落?衰落?回答:异步情况和多径衰落都已考虑。回答:异步情况和多径衰落都已考虑。答辩问题之七 在仿真的CDMA系统中是否考虑到异步119答辩问题之八 第九章研究免疫策略第九章研究免疫策略RBF网络在网络在CDMA多用户检多用户检测中,测中,IES-RBF网络较网络较RAKE接收机在性能上的优越接收机在性能上的优越性何来,其代价如何?性何来,其代价如何?回答:回答:IES-RBF网络较网络较RAKE接收机在性能上的优越接收机在性能上的优越性是以其牺牲实时性而得来的。本系统中匹配滤波器性是以其牺牲实时性而得来的。本系统中匹配滤波器之后的判决器是由一个之后的判决器是由一个RBF网络构成,而该网络的性网络构成,而该网络的性能需要训练样本集的可靠性来保障。所以样本集的维能需要训练样本集的可靠性来保障。所以样本集的维护与网络的训练是提高系统性能的关键。护与网络的训练是提高系统性能的关键。答辩问题之八 第九章研究免疫策略RBF网络在CDM120答辩问题之九 在在6.3节的仿真结果中,作者应给出相应的列表来节的仿真结果中,作者应给出相应的列表来说明。说明。回答:是,这样表述会更加清晰。回答:是,这样表述会更加清晰。答辩问题之九 在6.3节的仿真结果中,作者应给出相121答辩问题之十 该方法体系在实际应用中的优点与传统方法相比较该方法体系在实际应用中的优点与传统方法相比较突出的是那些方面?突出的是那些方面?回答:它是建立在已有各种方法的基础上,借鉴各自回答:它是建立在已有各种方法的基础上,借鉴各自有利的方面,并从中建立起比较恰当的平衡点,从而有利的方面,并从中建立起比较恰当的平衡点,从而使新方法具有:使新方法具有:1.灵
展开阅读全文