Transcript Les algorithmes des AIS

Présenté par: Yahiaoui Meroua
Dirigé par : Pr BENYATTOU .M
Module: Optimisation avancé
Plan de travail
 Introduction
Définition des AIS
Historique
Les algorithmes des AIS
Exemples d’application
Avantages et inconvénients
Conclusion
Le système immunitaire biologique constitue une
arme contre des intrus dans un corps donné.
C’est pour Défendre l’organisme contre les
infections
Lorsque le corps est envahi par un organisme ou
un molécule étranger (virus , bactérie)
système immunitaire réagit très vite pour s’en
débarrasser.
Vocabulaire:
 Immunité: Capacité de rejet par l’organisme
 Antigène : Protéine du sang synthétisée en
réponse à la pénétration d'un corps
étranger (antigène) dans l'organisme
 Anticorps: Substance étrangère à un
organisme (c'est-à-dire que l'organisme ne
possède pas habituellement)
Remarque :
L'antigène peut se combiner avec cet anticorps
spécifique grâce à la présence de sites
antigéniques.
Les systèmes immunitaires artificiels (AIS)
sont des systèmes informatiques inspirés
par les principes et les processus du
système immunitaire naturel des vertébrés.
Généralement, pour résoudre un
problème, chaque solution possible est
représentée par un anticorps et le
problème est un antigène.
AIS a commencé dans le milieu des années 1980
1990->Packard et Perelson ont travaillé sur les réseaux
immunitaires
1994->la publication du 1er article de l’AIS par Forrest et Kephart
1995->Hun et Cooke ont commencé les travaux sur les modèles
de réseau immunitaire
1999->Le 1er livre sur les AIS par Dasgupta.
2008->Publication d’un manuel sur le calcul immunologiques
Les modèles de conceptions les plus utilisés sont
les réseaux immunitaires, la sélection clonale et la
sélection négative.
a. L’algorithme de la sélection négative
La sélection négative est le processus qui permet
de distinguer le soi du non soi, elle a été appliquée à
des problèmes de détections d'anomalies.
Principe :
1. Produire aléatoirement des anticorps et les
placez dans un ensemble P ,
2. Déterminer l'affinité de touts les anticorps dans
P avec toutes les cellules de l'individu S.
3. Si l'affinité d'un anticorps de P avec au moins
une cellule de S est supérieur ou égal à un seuil
donné S’, alors l'anticorps identifie l'individu et doit
être éliminée; si non l'anticorps est accepté.
Domaine d’application :
Cet algorithme est utilisé dans la sécurité informatique et
la détection des spam.
b. L’algorithme de la sélection clonal:
La sélection clonale artificielle est une
abstraction des mécanismes de mémorisation
des systèmes immunitaires
Principe :
1. Produire un ensemble de solutions de N candidat qui sont défini par
le problème à étudier ;
2. Choisir les n1 cellules qui ont la plus grande affinité à l'antigène ;
3. produire des copies identiques ces cellules choisies. Le nombre de
copies est proportionnel aux affinités ;
4. Changer la structure des cellules choisies. Le taux de changement est
proportionnelle à leurs affinités ;
5. Sélectionner les n2 cellules (du résultat de l'étape 4) qui ont la plus
grande affinité à l'antigène pour composer le nouveau répertoire ;
6. Remplacer quelques cellules qui possèdent des valeurs d'affinité
faible par les nouvelles cellules ;
7. Répéter les étapes 2 à 6 jusqu'à ce qu'un critère d'arrêt donné soit
rencontré.
Domaine d’application :
Ce genre d'algorithme peut être utilisé pour des
problèmes d'optimisations, de Clustering, ou de
reconnaissance des formes.
c. Réseaux immunitaires :
elle présente un système dynamique capable
d'exécuter des interactions entre ses propres
constituants et entre ses constituants et
l'environnement externe
Principe:
1. Initialisation : initialiser un réseau de cellules immunisées ;
2. Boucle de population : pour chaque antigène :
2.1. Identification antigénique : calculez les affinité des anticorps face
à l'antigène.
2.2. Interactions du réseau : calculez les affinités entre tous les paires
d'anticorps.
2.3. Méta dynamique : ajoutez des nouveaux anticorps aux réseaux et
supprimez qui sont inutile
2.4. Niveau de stimulation : évaluez le niveau de stimulation de
chaque cellule du réseau tenant compte des résultats des étapes
précédentes.
2.5. Dynamique de réseau : mettre à jour la structure et les
paramètres du réseau selon le niveau de stimulation de différentes cellules.
3. Cycle : répéter l'étape 2 jusqu'à ce qu'un critère donné d'arrêt soit
rencontré ;
Domaine d’application :
Datamining.
Robotique.
Ordonnancement
- Esponda et Forrest ont appliqué la sélection
négative au problème de détection d’intrusion dans
un réseau informatique (Le système nommé LYSIS).
- Knight et Timmis ont proposé MARITA, un
algorithme pour l’apprentissage supervisé inspiré de
la théorie des réseaux immunitaires et de la
sélection clonale.
- De Castro et Von Zuben, en 2001, ont proposé
aiNet, un algorithme qui combine la théorie des
réseaux immunitaires et la sélection clonale.
Déterminer le soi et le non soi.
Permet d’ajuster la structure et les paramètres du
système.
Capable d’exécuter des interactions.
L’immunologie artificielle est un modèle récent
qui essaie de saisir des caractéristiques
intéressantes des SI, telles que la mémorisation,
l’apprentissage et la capacité d’adaptation qui utilise
certains outils comme : les réseaux immunitaires,
sélection négative et sélection clonale.
www.cs.ukc.ac.uk/people/staff/jt6
www.msci.memphis.edu/˜ dasgupta/
www.dcs.kcl.ac.uk/staff/jungwon/
www.dca.fee.unicamp.br/˜ lnunes/
www.cs.unm.edu/˜ forrest/
Merci de votre Attention