Zastosowanie sztucznych systemów immunologicznych w zagadnieniach optymalizacji

Podobne dokumenty
Plan. Sztuczne systemy immunologiczne. Podstawowy słownik. Odporność swoista. Architektura systemu naturalnego. Naturalny system immunologiczny

Sztuczne sieci neuronowe i sztuczna immunologia jako klasyfikatory danych. Dariusz Badura Letnia Szkoła Instytutu Matematyki 2010

OBLICZENIA EWOLUCYJNE

Algorytmy genetyczne

Obliczenia Naturalne - Algorytmy immunologiczne

ALGORYTMY IMMUNO- LOGICZNE

Lp. tydzień wykłady seminaria ćwiczenia

MOśLIWOŚCI ZASTOSOWAŃ SZTUCZNYCH SYSTEMÓW IMMUNOLOGICZNYCH W OBSZARZE ZARZĄDZANIA WIEDZĄ. Anna Kempa. Wprowadzenie

PODSTAWY IMMUNOLOGII Komórki i cząsteczki biorące udział w odporności nabytej (cz.i): wprowadzenie (komórki, receptory, rozwój odporności nabytej)

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

PRZEWODNIK PO PRZEDMIOCIE

Obliczenia z wykorzystaniem sztucznej inteligencji

Algorytm genetyczny (genetic algorithm)-

oporność odporność oporność odporność odporność oporność

Algorytmy ewolucyjne 1

Czy immunoterapia nowotworów ma racjonalne podłoże? Maciej Siedlar

Strefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek

przetworzonego sygnału

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA

METODY HEURYSTYCZNE wykład 7

Wyklady IIIL 2016/ :00-16:30 środa Wprowadzenie do immunologii Prof. dr hab. med. ML Kowalski

OD IMMUNOLOGII DO MODELOWANIA, PRZETWARZANIA I ANALIZ DANYCH

Algorytmy genetyczne

CZYM SĄ OBLICZENIA NAT A URALNE?

Odporność nabyta: Nadzieja Drela Wydział Biologii UW, Zakład Immunologii

Aproksymacja funkcji a regresja symboliczna

Generowanie i optymalizacja harmonogramu za pomoca

METODY HEURYSTYCZNE 7

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda

Obliczenia z wykorzystaniem sztucznej inteligencji

Metody przeszukiwania

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

Tomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej

Plan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji

Model Marczuka przebiegu infekcji.

Algorytmy immunologiczne w działaniu: Optymalizacja funkcji niestacjonarnych

Optymalizacja optymalizacji

Jak żywiciel broni się przed pasożytem?

Dobór parametrów algorytmu ewolucyjnego

Wykorzystanie metod ewolucyjnych w projektowaniu algorytmów kwantowych

SYSTEMY (ALGORYTMY) MRÓWKOWE

Autoreferat. przedstawiający opis dorobku i osiągnięć naukowych, w szczególności określonych w art. 16 ust. 2 ustawy,

PRZYKŁADOWY EGZAMIN MATURALNY Z BIOLOGII POZIOM ROZSZERZONY MAJ Czas pracy: 180 minut. Liczba punktów do uzyskania : 60

S YL AB US MODUŁ U ( I MMUNOLOGIA ) I nforma cje ogólne

Automatyczny dobór parametrów algorytmu genetycznego

Algorytmy metaheurystyczne Wykład 6. Piotr Syga

Teoria ewolucji. Podstawowe pojęcia. Wspólne pochodzenie.

ALGORYTMY GENETYCZNE (wykład + ćwiczenia)

Algorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba

Algorytmy immunologiczne. Dr inż. Michał Bereta p. 144 / 10, Instytut Informatyki

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma studiów: Stacjonarne. audytoryjne. Wykład Ćwiczenia

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

Algorytmy ewolucyjne NAZEWNICTWO

Wpływ opioidów na układ immunologiczny

Część praktyczna: Metody pozyskiwania komórek do badań laboratoryjnych cz. I

Immunologia - opis przedmiotu

Algorytmy ewolucyjne. Łukasz Przybyłek Studenckie Koło Naukowe BRAINS

Rój cząsteczek. Particle Swarm Optimization. Adam Grycner. 18 maja Instytut Informatyki Uniwersytetu Wrocławskiego

Algorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań

Metody Rozmyte i Algorytmy Ewolucyjne

Pomiary Automatyka Robotyka 2/2010

II. MODUŁY KSZTAŁCENIA

SZTUCZNA INTELIGENCJA

LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE

Obliczenia ewolucyjne - plan wykładu

Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach PROGRAM KSZTAŁCENIA. Studia III stopnia (doktoranckie) kierunek Informatyka

Immunologia komórkowa

Algorytmy dla maszyny PRAM

Zagadnienia egzaminacyjne INFORMATYKA. Stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ

Techniki optymalizacji

S YL AB US MODUŁ U ( PRZEDMIOTU) I nforma cje ogólne. Immunologia

Algorytmy ewolucyjne Część II

M T E O T D O ZI Z E E A LG L O G R O Y R TM

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni

Sieci Neuronowe - Rok III - kierunek IS w IFAiIS UJ 2008/2009. Sieci Neuronowe. Wykład 11 Algorytmy genetyczne; Systemy rozmyte

PODSTAWY IMMUNOLOGII Komórki i cząsteczki biorące udział w odporności nabytej (cz. III): Aktywacja i funkcje efektorowe limfocytów B

Katedra Informatyki Stosowanej. Algorytmy ewolucyjne. Inteligencja obliczeniowa

STRUKTURA PROGRAMU NAUCZANIA W UKŁADZIE GODZINOWYM. Algorytmy ewolucyjne ARES Rozproszone systemy automatyki AREU

Badania marketingowe. Omówione zagadnienia. Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania

o cechach dziedziczonych decyduje środowisko, a gatunki mogą łatwo i spontanicznie przechodzić jedne w drugie

Zadania laboratoryjne i projektowe - wersja β

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne

Klub Honorowych Dawców Krwi PCK

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Układ odpornościowy, układ immunologiczny to układ struktur umożliwiających działanie mechanizmom odporności. Struktury te to: narządy limfoidalne

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

SI w procesach przepływu i porządkowania informacji. Paweł Buchwald Wyższa Szkoła Biznesu

Wprowadzenie do teorii systemów ekspertowych

WSKAŹNIKI ILOŚCIOWE - Punkty ECTS w ramach zajęć: Efekty kształcenia. Wiedza Umiejętności Kompetencje społeczne (symbole) MK_1. Analiza matematyczna

ID1SII4. Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) stacjonarne (stacjonarne / niestacjonarne)

Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści

Algorytmy stochastyczne, wykład 01 Podstawowy algorytm genetyczny

Efektywność algorytmów

Ewolucja Różnicowa Differential Evolution

Zakres pytań obowiązujący w roku akad. 2015/2016

Wykłady dla doktorantów Środowiskowych Studiów Doktoranckich w zakresie informatyki w roku akademickim 2011/2012

O ALGORYTMACH I MASZYNACH TURINGA

Transkrypt:

Zastosowanie sztucznych systemów immunologicznych w zagadnieniach optymalizacji 26 października 2011

Agenda Wprowadzenie 1 Wprowadzenie 2 Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna 3 4

Podstawowe informacje 1 Naśladowanie natury (podobnie jak algorytmy genetyczne, ewolucyjne, algorytmy rojowe odwołujace się do samoorganizacji mrówek, ptaków, itp.).

Podstawowe informacje 1 Naśladowanie natury (podobnie jak algorytmy genetyczne, ewolucyjne, algorytmy rojowe odwołujace się do samoorganizacji mrówek, ptaków, itp.). 2 Wykorzystanie mechanizmów działajacych w układzie odpornościowym.

Podstawowe informacje 1 Naśladowanie natury (podobnie jak algorytmy genetyczne, ewolucyjne, algorytmy rojowe odwołujace się do samoorganizacji mrówek, ptaków, itp.). 2 Wykorzystanie mechanizmów działajacych w układzie odpornościowym. 3 Rozproszony system przetwarzania, operowanie na chmurze rozwiazań możliwa lepsza eksploracja przestrzeni rozwiazań niż w przypadku algorytmów operujacych w każdym kroku na jednym rozwiazaniu (np. problem znalezienia minimum/maksimum funkcji wielomodalnej).

Przykładowe zastosowania optymalizacja,

Przykładowe zastosowania optymalizacja, eksploracyjna analiza danych (Sławomir Wierzchoń et al. wyodrębnianie jednorodnych grup tematycznych w dużych zbiorach dokumentów tekstowych inspirowane mechanizmem formowania pamięci immunologicznej),

Przykładowe zastosowania optymalizacja, eksploracyjna analiza danych (Sławomir Wierzchoń et al. wyodrębnianie jednorodnych grup tematycznych w dużych zbiorach dokumentów tekstowych inspirowane mechanizmem formowania pamięci immunologicznej), systemy uczace się (STARLAB rozwiazywanie zadań maszynowego uczenia się i wnioskowania w czasie rzeczywistym),

Przykładowe zastosowania optymalizacja, eksploracyjna analiza danych (Sławomir Wierzchoń et al. wyodrębnianie jednorodnych grup tematycznych w dużych zbiorach dokumentów tekstowych inspirowane mechanizmem formowania pamięci immunologicznej), systemy uczace się (STARLAB rozwiazywanie zadań maszynowego uczenia się i wnioskowania w czasie rzeczywistym), uniwersalne systemy antywirusowe (Symantec Digital Immune System, http://www.symantec.com/avcenter/reference/dis.tech.brief.pdf).

Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Warstwowa struktura systemu immunologicznego Naturalny system immunologiczny można przedstawić w strukturze warstwowej: 1 skóra podstawowa bariera ochronna,

Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Warstwowa struktura systemu immunologicznego Naturalny system immunologiczny można przedstawić w strukturze warstwowej: 1 skóra podstawowa bariera ochronna, 2 czynniki fizjologiczne (ph, temperatura) stwarza niekorzystne warunki dla rozwoju obcych organizmów,

Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Warstwowa struktura systemu immunologicznego Naturalny system immunologiczny można przedstawić w strukturze warstwowej: 1 skóra podstawowa bariera ochronna, 2 czynniki fizjologiczne (ph, temperatura) stwarza niekorzystne warunki dla rozwoju obcych organizmów, 3 odporność nieswoista (wrodzona) nie podlega modyfikacjom, jej rola jest natychmiastowe wszczęcie akcji obronnej, co daje czas na przygotowanie odpowiedzi przez adaptacyjna warstwę układu,

Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Warstwowa struktura systemu immunologicznego Naturalny system immunologiczny można przedstawić w strukturze warstwowej: 1 skóra podstawowa bariera ochronna, 2 czynniki fizjologiczne (ph, temperatura) stwarza niekorzystne warunki dla rozwoju obcych organizmów, 3 odporność nieswoista (wrodzona) nie podlega modyfikacjom, jej rola jest natychmiastowe wszczęcie akcji obronnej, co daje czas na przygotowanie odpowiedzi przez adaptacyjna warstwę układu, 4 odporność swoista (adaptacyjna) posiada zdolność do ciagłej adaptacji procesu rozpoznawania nowo pojawiajacych się antygenów, a także przechowywania informacji o już rozpoznanych antygenach (pamięć immunologiczna).

Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Warstwowa struktura systemu immunologicznego

Odporność wrodzona Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki wrodzonego układu odpornościowego to komórki żerne (makrofagi, granulocyty) oraz tzw. dopełniacz.

Odporność wrodzona Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki wrodzonego układu odpornościowego to komórki żerne (makrofagi, granulocyty) oraz tzw. dopełniacz. Eliminacja antygenów:

Odporność wrodzona Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki wrodzonego układu odpornościowego to komórki żerne (makrofagi, granulocyty) oraz tzw. dopełniacz. Eliminacja antygenów: uszkodzenie powierzchni komórki antygenu, przez co ona obumiera,

Odporność wrodzona Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki wrodzonego układu odpornościowego to komórki żerne (makrofagi, granulocyty) oraz tzw. dopełniacz. Eliminacja antygenów: uszkodzenie powierzchni komórki antygenu, przez co ona obumiera, otoczenie antygenu przez przeciwciała, komórki żerne pochłaniaja obca komórkę, a następnie ja neutralizuja.

Odporność adaptacyjna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki warstwy adaptacyjnej limfocyty B (produkcja przeciwciał rozpoznajacych określony antygen) oraz limfocyty T.

Odporność adaptacyjna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki warstwy adaptacyjnej limfocyty B (produkcja przeciwciał rozpoznajacych określony antygen) oraz limfocyty T. Rodzaje limfocytów T:

Odporność adaptacyjna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki warstwy adaptacyjnej limfocyty B (produkcja przeciwciał rozpoznajacych określony antygen) oraz limfocyty T. Rodzaje limfocytów T: wspomagajace (decyduja o aktywacji limfocytów B oraz komórek żernych),

Odporność adaptacyjna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki warstwy adaptacyjnej limfocyty B (produkcja przeciwciał rozpoznajacych określony antygen) oraz limfocyty T. Rodzaje limfocytów T: wspomagajace (decyduja o aktywacji limfocytów B oraz komórek żernych), cytotoksyczne (rozpoznaja komórki prezentujace obce lub nieprawidłowe białka i niszcza je),

Odporność adaptacyjna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki warstwy adaptacyjnej limfocyty B (produkcja przeciwciał rozpoznajacych określony antygen) oraz limfocyty T. Rodzaje limfocytów T: wspomagajace (decyduja o aktywacji limfocytów B oraz komórek żernych), cytotoksyczne (rozpoznaja komórki prezentujace obce lub nieprawidłowe białka i niszcza je), supresyjne (hamuja nadmiernie aktywne komórki układu odpornościowego),

Odporność adaptacyjna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna Podstawowe składniki warstwy adaptacyjnej limfocyty B (produkcja przeciwciał rozpoznajacych określony antygen) oraz limfocyty T. Rodzaje limfocytów T: wspomagajace (decyduja o aktywacji limfocytów B oraz komórek żernych), cytotoksyczne (rozpoznaja komórki prezentujace obce lub nieprawidłowe białka i niszcza je), supresyjne (hamuja nadmiernie aktywne komórki układu odpornościowego), pamięciowe (pamięć immunologiczna).

Adaptacja i dywersyfikacja systemu immunologicznego Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna 1 Limfocyty występujace w systemie immunologicznym sa bardzo zróżnicowane.

Adaptacja i dywersyfikacja systemu immunologicznego Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna 1 Limfocyty występujace w systemie immunologicznym sa bardzo zróżnicowane. 2 Określony antygen może być rozpoznawany jedynie przez niewielka część limfocytów.

Adaptacja i dywersyfikacja systemu immunologicznego Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna 1 Limfocyty występujace w systemie immunologicznym sa bardzo zróżnicowane. 2 Określony antygen może być rozpoznawany jedynie przez niewielka część limfocytów. 3 Mechanizm selekcji klonalnej (namnożenie odpowiednich przeciwciał, bioracych udział w zwalczaniu antygenu).

Adaptacja i dywersyfikacja systemu immunologicznego Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna 1 Limfocyty występujace w systemie immunologicznym sa bardzo zróżnicowane. 2 Określony antygen może być rozpoznawany jedynie przez niewielka część limfocytów. 3 Mechanizm selekcji klonalnej (namnożenie odpowiednich przeciwciał, bioracych udział w zwalczaniu antygenu). 4 Mechanizm selekcji negatywnej (działa w stosunku do limfocytów rozpoznajacych własne komórki).

Selekcja klonalna i negatywna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna

Selekcja klonalna i negatywna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna 1 Selekcja negatywna usuwane sa te limfocyty, które ulegaja stymulacji poprzez komórki własne organizmu. 2 Selekcja klonalna: Uaktywnione limfocyty B zaczynaja się intensywnie dzielić, produkujac wiele krótko żyjacych klonów, Klony podlegaja hipermutacji, Populacja zmutowanych klonów jest poddawana ocenie stopnia dopasowania do antygenu; klony słabo wiaż ace antygen sa usuwane, natomiast klony o wysokim stopniu dopasowania przekształcaja się po pewnym czasie w komórki plazmatyczne lub komórki pamięciowe, Komórki plazmatyczne produkuja wolne przeciwciała, które łacz ac się z antygenem wskazuja go komórkom żernym do eliminacji, komórki pamięciowe pozostaja w organizmie przez dłuższy czas i biora aktywny udział we wtórnej odpowiedzi immunologicznej.

Pamięć immunologiczna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna FAKT System immunologiczny utrzymuje przez dłuższy czas informacje o rozpoznanym antygenie, tak, że przy kolejnym jego pojawieniu się jest on natychmiastowo rozpoznawany i likwidowany (wtórna odpowiedź immunologiczna).

Pamięć immunologiczna Struktura układu odpornościowego Adaptacja i dywersyfikacja systemu immunologicznego Pamięć immunologiczna FAKT System immunologiczny utrzymuje przez dłuższy czas informacje o rozpoznanym antygenie, tak, że przy kolejnym jego pojawieniu się jest on natychmiastowo rozpoznawany i likwidowany (wtórna odpowiedź immunologiczna). TEORIE Okres życia komórek pamięciowych, w odróżnieniu od zwykłych limfocytów, może być porównywalny z okresem życia całego organizmu. Komórki immunologiczne sa bezustannie stymulowane, co pozwalala im zostać aktywnymi.

(De Castro, Von Zuben, Timmis) Generacja nowej populacji P osobników (komórek) rozwiazań kandydujacych, zawierajacej podzbiór komórek pamięciowych + pozostała populacja,

(De Castro, Von Zuben, Timmis) Generacja nowej populacji P osobników (komórek) rozwiazań kandydujacych, zawierajacej podzbiór komórek pamięciowych + pozostała populacja, Wybór n-osobników z najwyższym stopniem dopasowania,

(De Castro, Von Zuben, Timmis) Generacja nowej populacji P osobników (komórek) rozwiazań kandydujacych, zawierajacej podzbiór komórek pamięciowych + pozostała populacja, Wybór n-osobników z najwyższym stopniem dopasowania, Klonowanie każdego z wybranych osobników w ilości proporcjonalnej do jego stopnia dopasowania (liczba klonów wytwarzana przez pojedyncza komórkę jest zazwyczaj proporcjonalna do jej stopnia dopasowana, jednakże istnieja także rozwiazania, w których ilość ta jest stała dla każdej z wybranych komórek),

(De Castro, Von Zuben, Timmis) Hipermutacja sklonowanych osobników odwrotnie proporcjonalnie do stopnia dopasowania:

(De Castro, Von Zuben, Timmis) Hipermutacja sklonowanych osobników odwrotnie proporcjonalnie do stopnia dopasowania: punktowa zmiana pojedynczego, losowo wybranego elementu,

(De Castro, Von Zuben, Timmis) Hipermutacja sklonowanych osobników odwrotnie proporcjonalnie do stopnia dopasowania: punktowa zmiana pojedynczego, losowo wybranego elementu, wielopunktowa zmiana kilku losowych pozycji,

(De Castro, Von Zuben, Timmis) Hipermutacja sklonowanych osobników odwrotnie proporcjonalnie do stopnia dopasowania: punktowa zmiana pojedynczego, losowo wybranego elementu, wielopunktowa zmiana kilku losowych pozycji, probabilistyczna każda pozycja jest mutowana z określonym prawdopodobieństwem,

(De Castro, Von Zuben, Timmis) Hipermutacja sklonowanych osobników odwrotnie proporcjonalnie do stopnia dopasowania: punktowa zmiana pojedynczego, losowo wybranego elementu, wielopunktowa zmiana kilku losowych pozycji, probabilistyczna każda pozycja jest mutowana z określonym prawdopodobieństwem, Ponowny wybór ulepszonych osobników, utworzenie z nich zbioru komórek pamięciowych M,

(De Castro, Von Zuben, Timmis) Hipermutacja sklonowanych osobników odwrotnie proporcjonalnie do stopnia dopasowania: punktowa zmiana pojedynczego, losowo wybranego elementu, wielopunktowa zmiana kilku losowych pozycji, probabilistyczna każda pozycja jest mutowana z określonym prawdopodobieństwem, Ponowny wybór ulepszonych osobników, utworzenie z nich zbioru komórek pamięciowych M, Zastapienie określonej liczby d osobników z populacji P lepszymi klonami, osobniki z niższym stopniem dopasowania maja większe prawdopodobieństwo zastapienia.

Zalety sztucznych systemów immunologicznych Uniwersalne narzędzie do rozwiazywania problemów o różnym stopniu złożoności,

Zalety sztucznych systemów immunologicznych Uniwersalne narzędzie do rozwiazywania problemów o różnym stopniu złożoności, Dobrze przystosowane do przeszukiwania wielowymiarowej, złożonej przestrzeni rozwiazań,

Zalety sztucznych systemów immunologicznych Uniwersalne narzędzie do rozwiazywania problemów o różnym stopniu złożoności, Dobrze przystosowane do przeszukiwania wielowymiarowej, złożonej przestrzeni rozwiazań, Łatwe w implementacji,

Zalety sztucznych systemów immunologicznych Uniwersalne narzędzie do rozwiazywania problemów o różnym stopniu złożoności, Dobrze przystosowane do przeszukiwania wielowymiarowej, złożonej przestrzeni rozwiazań, Łatwe w implementacji, Algorytmy immunologiczne sa z natury równoległe.

Wady sztucznych systemów immunologicznych Brak gwarancji osiagnięcia optimum w określonym czasie,

Wady sztucznych systemów immunologicznych Brak gwarancji osiagnięcia optimum w określonym czasie, Dla każdego problemu konieczne strojenie algorytmu; niewłaściwie dobrane parametery powoduja, że algorytm "utyka",

Wady sztucznych systemów immunologicznych Brak gwarancji osiagnięcia optimum w określonym czasie, Dla każdego problemu konieczne strojenie algorytmu; niewłaściwie dobrane parametery powoduja, że algorytm "utyka", Brak formalnego aparatu matematycznego umożliwiajacego precyzyjna analizę ich własności (stosuje się np. analizę probabilistyczna).

Źródła Wprowadzenie Sławomir Wierzchoń, Sztuczne systemy immunologiczne. Teoria i zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001

Źródła Wprowadzenie Sławomir Wierzchoń, Sztuczne systemy immunologiczne. Teoria i zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001 Sławomir Wierzchoń, Algorytmy immunologiczne w działaniu: Optymalizacja funkcji niestacjonarnych, www.ipipan.waw.pl/ stw/ais/pubs/szi2001.pdf

Źródła Wprowadzenie Sławomir Wierzchoń, Sztuczne systemy immunologiczne. Teoria i zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001 Sławomir Wierzchoń, Algorytmy immunologiczne w działaniu: Optymalizacja funkcji niestacjonarnych, www.ipipan.waw.pl/ stw/ais/pubs/szi2001.pdf Anna Świtalska, Sztuczne systemy immunologiczne zastosowanie w optymalizacji kombinatorycznej, http://www.ipipan.waw.pl/ stw/ais/ks/index.html

Źródła Wprowadzenie Sławomir Wierzchoń, Sztuczne systemy immunologiczne. Teoria i zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001 Sławomir Wierzchoń, Algorytmy immunologiczne w działaniu: Optymalizacja funkcji niestacjonarnych, www.ipipan.waw.pl/ stw/ais/pubs/szi2001.pdf Anna Świtalska, Sztuczne systemy immunologiczne zastosowanie w optymalizacji kombinatorycznej, http://www.ipipan.waw.pl/ stw/ais/ks/index.html Joanna Kołodziejczyk, Obliczenia z wykorzystaniem sztucznej inteligencji, wykład V Sztuczne systemy immunologiczne, http://wikizmsi.zut.edu.pl/uploads/7/74/ozwsi_i_s1_w5.pdf

Źródła Wprowadzenie Sławomir Wierzchoń, Sztuczne systemy immunologiczne. Teoria i zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001 Sławomir Wierzchoń, Algorytmy immunologiczne w działaniu: Optymalizacja funkcji niestacjonarnych, www.ipipan.waw.pl/ stw/ais/pubs/szi2001.pdf Anna Świtalska, Sztuczne systemy immunologiczne zastosowanie w optymalizacji kombinatorycznej, http://www.ipipan.waw.pl/ stw/ais/ks/index.html Joanna Kołodziejczyk, Obliczenia z wykorzystaniem sztucznej inteligencji, wykład V Sztuczne systemy immunologiczne, http://wikizmsi.zut.edu.pl/uploads/7/74/ozwsi_i_s1_w5.pdf http://www.artificial-immune-systems.org/

Dziękuję za uwagę!