Prírodou inšpirované algoritmy

Model imunitnej siete

Ďalšiu skupinu imunitných algoritmov tvoria imunitné siete. Teória imunitných sietí, prvýkrát prezentovaná v roku 1974 pánom N. Jerneom, hovorí o imunitnom systéme s dynamickým správaním aj bez prítomnosti antigénov. V praxi to znamená, že jednotlivé B-lymfocyty sú schopné sa vzájomne rozpoznávať a spolu interagovať.

Podľa tejto teórie imunitné bunky obsahujú receptory schopné rozpoznávať iné imunitné bunky, fungujúce podobne ako receptory rozpoznávajúce antigény. Ak imunitná bunka rozpozná antigén, alebo inú IS bunku, je stimulovaná. Na druhej strane, ak je rozpoznaná inou IS bunkou, jej aktivita je potlačená. Suma stimulácií (N_st) a potlačení (N_sup) od iných buniek v sieti, plus stimulácií na základe rozpoznania antigénu (A_st) nám dáva výslednú stimuláciu bunky (S). Na základe tejto hodnoty sa potom určuje pravdepodobnosť mutácií a delenia danej bunky.

S = Nst - Nsup + Ast

Všeobecný algoritmus pre imunitné siete:

1. Inicializácia: inicializujeme imunitnú sieť
2. Pre každý antigén:
1. Rozpoznanie antigénu - zistíme afinitu buniek siete k antigénu
2. Sieťové interakcie - zistíme interakcie medzi bunkami siete
3. Do siete vnesieme nové bunky a eliminujeme nepotrebné (na základe nejakých kritérií, napr. vek buniek, úroveň stimulácie...)
4. Vyhodnotíme výslednú stimuláciu každej bunky v sieti (vychádzajúc z predchádzajúcich krokov)
5. Na základe miery stimulácie buniek upravíme imunitnú sieť (nahradenie buniek s nízkou stimuláciou za nové)
3. Cyklus: krok 2 opakujeme až do splnenia ukončovacieho kritéria (počet cyklov...)

Existujú dve veľké skupiny imunitných sietí:

• Spojité imunitné siete - prvé imunitné siete, popis a modelovanie siete je založený na sústave diferenciálnych rovníc. Tieto modely sa často využívajú v oblastiach ako robotika, optimalizácia, alebo regulácia.
• Diskrétne imunitné siete - na rozdiel od prvého typu sú diskrétne siete založené na iteračných procedúrach. Pomocou nich upravujeme nielen počet buniek v sieti ako je to u spojitých modelov, ale s využitím hypermutácií môžeme ovplyvňovať aj vlastnosti jednotlivých buniek. Tento typ sietí sa využíva hlavne pri strojovom učení, zhlukovaní a rozpoznávaní obrazov.