Ochrona systemu operacyjnego przed infekcjami wirusowymi jest zagadnieniem, nad którym od kilku dekad pracują projektanci oprogramowania antywirusowego. Rosnąca w ostatnich latach złożoność szkodliwego oprogramowania skłoniła naukowców do poszukiwania inspiracji w rozwiązaniach naturalnych, takich jak układ immunologiczny ssaków. W artykule przedstawiono system wykrywania intruzów w systemie operacyjnym wykorzystujący algorytm negatywnej selekcji. Algorytm ten wykorzystuje ciągi binarne zwane receptorami do wykrywania zmian w chronionych programach. W systemie zaimplementowano dwie metody generacji receptorów: metodę losową i metodę szablonów. Metody te zostały przetestowane eksperymentalnie. Wyniki działania metod przeanalizowano i porównano, a następnie wyciągnięto wnioski.
EN
Protection of the operating system against virus infections is an area of research which has been worked on by antivirus software designers since several decades. Increasing malware complexity led scientists to seek inspiration in natural solutions, such as the mammal immune system. In the article, an intrusion detection system has been proposed. The system’s inner workings are based on the negative selection algorithm. The algorithm uses binary strings called receptors to detect modifications in the protected programs. In the system, two receptor generation methods have been presented: the random generation method and the template generation method. The methods have been tested experimentally. The results of both methods have been analysed and compared, and conclusions have been drawn.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Celem badań było opracowanie metodyki postępowania podczas wielokryterialnej optymalizacji postaci geometrycznej implantu ortopedycznego przeznaczonego do rekonstrukcji więzadła krzyżowego przedniego znajdującego się w stawie kolanowym. Implant powinien dokładnie zakotwiczać przeszczep w tunelu kostnym oraz przyspieszać wrastanie tkanki kostnej w przeszczep, tak aby mógł on przejąć rolę zerwanego więzadła. Starano się określić optymalną postać geometryczną implantu z uwzględnieniem dwóch kryteriów: wykorzystania maksymalnych własności wytrzymałościowych nieprzekraczających wartości dopuszczalnych oraz optymalnego nasączenia implantu krwią.
EN
The scientific goal of the project is multicriterial optimization of the design of an orthopedic implant responsible for supporting the reconstruction of the anterior cruciate ligament. The implant should not only precisely anchor the tendon in the tunnel but, above all – thanks to appropriately selected geometric shape and other design features – accelerate the ingrowth of bone tissue into the grafted tendon. The aim of this research is to define an optimal geometric shape of implants and to determine the impact of this geometric shape on the strength properties and the process of blood perfusion through the implant. All data would be obtained by the computer simulation and scrutiny where the input object is a virtual model describing optimum geometric shape of an implant under multicriterial optimization process for a specific set of criteria.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artykuł prezentuje przegląd wybranych algorytmów, narzędzi i technik z zakresu sztucznej inteligencji które mogą być zastosowane do problemów logistycznych. W artykule zastosowano konwencję zgodnie z którą poszczególne techniki sztucznej inteligencji prezentowane są razem z przykładowymi problemami które mogą być za ich pomocą rozwiązane. W kolejności przedstawiono następujące algorytmy, techniki i narzędzia: Algorytmy Ewolucyjne (EA – ang. Evolutionary Algorithms), Particle Swarm Optimization (PSO), Bacterial Foraging Optimization (BFO), Ant Systems (AS), Sztuczne Systemy Immunologiczne (AIS – ang. Artificial Immune Systems) i Sieci Neuronowe (NN – ang. Neural Networks).
EN
The paper presents the survey of selected algorithms, tools and techniques from the field of artificial intelligence that can be applied to logistic problems. In the paper, the convention is used according to which each artificial intelligence tool is given along with example problems to which it can be applied. The following algorithms, tools and techniques are presented: Evolutionary Algorithms (EA), Particle Swarm Optimization (PSO), Bacterial Foraging Optimization (BFO), Ant Systems (AS), Artificial Immune Systems (AIS) and Neural Networks (NN).
Vehicles route planning in large transportation companies, where drivers are workers, usually takes place on the basis of experience or intuition of the employees. Because of the cost and environmental protection, it is important to save fuel, thus planning routes in an optimal way. In this article an example of the problem is presented solving delivery vans route planning taking into account the distance and travel time within the constraints of vehicle capacities, restrictions on working time of drivers and having varying degrees of movement. An artificial immune system was used for the calculations.
PL
Planowanie tras samochodów dostawczych w dużych firmach transportowych, w których kierowcy są pracownikami najemnymi, najczęściej odbywa się na podstawie doświadczeń lub intuicji pracowników. Ze względu na koszty i na ochronę środowiska ważne jest oszczędzanie paliwa, a więc układanie tras w sposób optymalny. W artykule rozwiązano przykładowy problem planowania trasy samochodów dostawczych ze względu na długość drogi i czas przejazdu przy ograniczeniach ładowności pojazdów, ograniczeniach czasu pracy kierowców i przy uwzględnieniu zmiennego natężenia ruchu. W obliczeniach zastosowano sztuczny system immunologiczny.
Sztuczne systemy immunologiczne (ang. AIS - Artificial Immune System) to dynamicznie rozwijająca się dziedzina, szczególnie w ostatniej dekadzie, w ramach której powstają algorytmy inspirowane działaniem narządów tworzących układy odpornościowe (ang. NIS - Nature Immune System). Ich poziom skomplikowania może być porównywany jedynie z systemem nerwowym. Pomimo braku kompletnej wiedzy na temat roli i funkcjonowania poszczególnych mechanizmów, układ odpornościowy dostarcza inspiracji w rozwijaniu algorytmów dedykowanych zadaniom związanym m. in. z analizą i kompresją danych, optymalizacją, uczeniem maszynowym itp. Jednak najbardziej oczywistą dziedziną dla zastosowań algorytmów immunologicznych jest szeroko pojęte bezpieczeństwo systemów komputerowych, m. in. do detekcji intruzów, spamu etc. Wykorzystuje się tu przede wszystkim mechanizm selekcji negatywnej.
EN
This paper presents enhanced immune negative selection algorithm, called b-v model. In contrast to formerly presented approaches, b- and v-detectors are incorporated. The reason behind developing this hybrid is willingness to overcome the scalability problems, which are a key problem, when only one type of detectors is used. Although high-dimensional datasets are a great challenge for NS algorithms, however, equally important are quality of generated detectors and duration of learning as well as classification stages. Thus, also there are discussed various versions of b-v model to increase its efficiency. Versatility of proposed approach was intensively tested by using popular testbeds concerning domains like computer’s security (intruders and spam detection), recognition of handwritten words, etc.
Od połowy lat osiemdziesiątych nastąpił rozwój metod, które bazują na nowym sposobie tworzenia rozwiązań niezdominowanych. Prowadzą one do wyznaczenia frontu ocen Pareto naśladując mechanizmy wytworzone w świecie mikro- i makro- przyrody. Aktualnie do istniejących metod optymalizacji zaliczyć możemy: algorytmy genetyczne, ewolucyjne, algorytmy stosujące sztuczne systemy immunologiczne, algorytmy rojowe oraz mrówkowe. W artykule zaprezentowano kilka wybranych metod optymalizacji ewolucyjnej, w tym algorytm ewolucyjny, mrówkowy, rojowy oraz NSGA. Ponadto opisano sposób działania poszczególnych algorytmów oraz ich przykładowe zastosowanie.
EN
Since the mid-eighties we can see the development of methods that are based on a new method of creating dominated solutions. They lead to designate the ratings Pareto front mimicking the mechanisms created in the world of micro and macro-nature. Currently, the existing optimization methods can include: genetic algorithms, evolutionary algorithms using artificial immune systems, swarm and formic algorithms. The article presents few selected evolutionary optimization methods, including evolutionary algorithm, formic and swarm algorithms, and NSGA. The article also describes how the different algorithms work and their exemplary application.
In pulverised coal (PC) burners that are most widespread in Poland an individual air excess ratio rules an amount of pollution generated, yet there is a lack of method that allows measurement of output parameters of a burner. It is therefore necessary to use indirect methods, which could primarily include acoustic, and optical methods. These methods are non-invasive and can provide virtually not delayed and additionally spatially selective information about the combustion process. Additional problems are generated biomass co-firing. The article shows application of relatively new class of classification methods – the artificial immunology algorithms to the combustion process diagnostics consisting in detection of incorrect air excess in PC burner.
PL
W palnikach pyłowych, które są najbardziej rozpowszechnione w Polsce współczynnik nadmiaru powietrza decyduje o ilości emitowanych zanieczyszczeń, jednak brak metodyumożliwiającej pomiar parametrów wyjściowych palnika. Konieczne jest więc stosowanie metod pośrednich, do których można zaliczyć przede wszystkim metody akustyczne i optyczne. Metody te są bezinwazyjne i pozwalają na otrzymanie praktycznie nieopóźnionej i dodatkowo selektywnej przestrzennie informacji o zachodzącym procesie spalania. Dodatkowe problemy powstają przy współspalaniu biomasy. Artykuł przedstawia zastosowanie stosunkowo nowej klasy metod klasyfikacji - sztuczne algorytmy immunologiczne do diagnostyki procesu spalania polegająca na wykrywaniu nieprawidłowejwartości nadmiaru powietrza palnika pyłowego.
W pracy omawiany jest algorytm klasyfikacji immunologicznej, który działa w oparciu o model selekcji klonalnej, z wykorzystaniem konkurencyjnego klonowania sekwencyjnego w zakresie wyboru celu. Skoncentrowano się na mutacji operatorów i wstępnej selekcji oraz, zasad doboru antygenów docelowych. Do klasyfikacji przeciwciał, które nie były głównym wyborem zaproponowano użycie przeciwciał-delegatów ze znanymi, należącymi do klas metodami.
EN
In this paper considered the immune object classification algorithm that works on the model selection of clones using sequential cloning competitive-target selection. The focus is on the mutation operators and the primary selection, principles of selection of target antigens. For the antibodies classification that have not been the primary selection we proposed using antibodies-delegates with known methods, belonging to classes.
This paper describes an application of an evolutionary algorithm and an artificial immune systems to solve a problem of scheduling an optimal route for waste disposal garbage trucks in its daily operation. Problem of an optimisation is formulated and solved using both methods. The results are presented for an area in one of the Polish cities.
PL
W artykule przedstawiono zastosowanie algorytmu ewolucyjnego i sztucznych systemów immunologicznych do zaplanowania optymalnych tras śmieciarek samochodowych. W artykule sformułowano zadanie optymalizacji tras i rozwiązano przy pomocy dwóch metod: algorytmu ewolucyjnego i algorytmu immunologicznego. Omówiono wyniki otrzymane dla jednego z polskich osiedli.
10
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W przedstawionych w artykule badaniach podjęto próbę zastosowania sztucznych systemów immunologicznych (SSI) do optymalizacji, klasyfikacji i detekcji anomalii. Skuteczność algorytmów charakterystycznych dla SSI testowano na wybranych zadaniach związanych z diagnostyką obrabiarki i procesu skrawania. W zadaniu optymalizacji analizowano możliwość doboru wartości parametrów klasyfikatora rozmytego zużycia narzędzi skrawających oraz rozpatrywano zagadnienie diagnostyki odkształceń termicznych szlifierki. Zadanie klasyfikacji zużycia narzędzi rozwiązywano także przez bezpośrednie zastosowanie klasyfikatora immunologicznego. Detekcja anomalii sprawdzała się natomiast w poszukiwaniach zakłóceń w sygnałach reprezentujących zmiany temperatury silnika napędu posuwowego obrabiarki HSM oraz sygnałach reprezentujących pomiary drgań z zastosowaniem wibrometru laserowego.
EN
The paper presents application of artificial immune systems (AIS) for optimisation, classification and anomaly detection. The effectiveness of AIS-specific algorithms has been tested based on some tasks related to machine tool and cutting process diagnostics. In the case of optimisation, determination of parameters of fuzzy logic classifier applied for cutting tool wear identification is presented together with a problem of grinder thermal deformation diagnostics. The same classification task was analyzed via direct application of AIS. Finally, the results achieved with the negative selection algorithm while detecting anomalies in signal representing temperature of feed drive motor and signal representing vibration velocities are depicted.
Ogólnym celem przedstawionych w artykule badań było przeprowadzenie prób zastosowania sztucznych systemów immunologicznych do optymalizacji wybranej funkcji wielomodalnej. Rozpatrywano algorytmy CLONALG i opt-aiNET. Testy skoncentrowano na określeniu wpływu wartości parametrów algorytmów na szybkość wyznaczania maksymalnych i średnich dopasowań sieci. W efekcie wskazano wartości, które uznać można za zbliżone do optymalnych.
EN
The paper shows the results of research on application of artificial immune systems for optimization of multimodal function. The two algorithms have been tested, namely CLONALG algorithm and opt-aiNET algorithm. The tests were focused on determination of influence of algorithm parameters on effectiveness of optimum estimation. As the result of the conducted research, the set of near-optimal parameters for considered algorithms has been determined.
12
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This paper deals with computational intelligence methods: evolutionary algorithms, artificial immune systems and the particle swarm optimization applied to the process of minimization of the potential energy of small nanostructures, such as atomic clusters. These algorithms simulate biological processes of the natural environment and organisms such as the theory of evolution and the biological immune systems. Mentioned approaches, generally, do not need any information about the gradient of the fitness function and give a strong probability of finding the global optimum. The main drawback of these methods is the long time of computations.
PL
W artykule przedstawiono zastosowanie wybranych metod inteligencji obliczeniowej (algorytmy ewolucyjne, sztuczne systemy immunologiczne, optymalizacja rojem cząstek) do minimalizacji energii potencjalnej klastrów atomowych. Do opisu oddziaływań międzyatomowych użyte zostały potencjały Morsa i Murrella-Mottrama.
Celem przedstawionych badań było przeprowadzenie prób zastosowania sztucznych systemów immunologicznych do optymalizacji wybranych funkcji wielomodalnych. Jednocześnie dążono do określenia wpływu wartości parametrów systemów na szybkość wyznaczania maksymalnych i średnich dopasowań sieci. Ponadto celem było porównanie wyników testów algorytmów CLONALG i opt-aiNET do wyników uzyskanych z zastosowaniem algorytmów genetycznych.
EN
The comparative tests of CLONALG i opt-aiNET algorithms are presented in the paper. The algorithms are based on artificial immune systems. Four different multimodal functions were considered in the research. The algorithms were compared in light of calculation repeatability, number of parameters and calculation time. For the comparison, genetic algorithms were applied, as well. As the result of the research, the set of near-optimal parameters for algorithm simulation has been determined.
W artykule przedstawiono wstępne wyniki badań związanych z optymalizacją bazy reguł systemu logiki rozmytej z zastosowaniem algorytmu CLONALG. Algorytm CLONALG jest inspirowany na sztucznych systemach immunologicznych, a w szczególności na selekcji klonalnej.
EN
The optimization of fuzzy logie rule base is shown in this article. The system for optimization is based on artificial immune system, especially on clonal selection. Mamdani fuzzy logie rule base, rangę and center of membership function are optimized. The results of optimized FL system by artificial immune system are only about 5 % worse than Takagi-Sugeno FL system.
W artykule przedstawiono koncepcję wykorzystania paradygmatu immunologicznego do wykrywania zdarzeń symptomatycznych, zwiastujących załamania trendu w szeregach czasowych, umożliwiających zwiększenie skuteczności krótko- i średnioterminowej predykcji ekstrapolacyjnej, prowadzonej z wykorzystaniem testów największej wiarygodności. Opisano koncepcję immunopodobnego algorytmu, definicje podstawowych obiektów systemu, przedstawiono przykładowe wyniki obliczeń numerycznych.
EN
This article presents an idea of application of immune paradigm to symptomatic event detection, announcing long-term trend changes in time series that give a possibility to improve efficiency of short and medium-term prediction based on linear trend extrapolation. A conception of immune-like algorithm and definition of main system objects are presented, exemplary results of calculation (applied to financial time series) given with partially implementation of proposed immune-based algorithm are showed.
Algorytmy selekcji klonalnej (SK) to algorytmy optymalizacji dyskretnej należące do klasy sztucznych systemów immunologicznych. W pracy przedstawiamy zastosowanie algorytmu SK do rozwiązywania NP-trudnego problemu Capacitated Vehicle Routing Problem (CVRP). Praca zawiera opis algorytmu i jego adaptacji do CVRP, wyniki badań nad parametrami algorytmu oraz eksperymentów komputerowych porównujących efektywność SK z algorytmem symulowanego wyżarzania dla przedstawionego problemu.
EN
Clonal Selection (CS) algorithms are discrete optimization algorithms that belong to the class of Artificial Immune Systems. In this work we present an application of CS principles to solving the NP-hard Capacitated Vehicle Routing Problem. We present details of the algorithm and some results of computer experiments aimed at assesing the parameters of the algorithm, as well as comparing it with a Simulated Annealing algorithm for CVRP.
The article concerns the analysis of classification of medical data by use of selected method of artificial intelligence: case-based reasoning. The subject of the research is the assessment of effective treatment, being one of the most important medical problems. The basis work of the assessment system should be one of the classification methods. The aim of the attempted research is to study which of the enumerated method will be able to group data containing incomplete information in the best way. The classified data are descended from the patients with nephroblastoma and patients with backbone pain. The final aim of the research is to work out the functioning method of the learning system, assisting the doctor with making a decision during working out on patient's treatment therapy, and making analyses of the treatment effectiveness. On the basis of the medical tests, the system will classify the data assigning them to the appropriate therapy groups. Moreover, in the system will be used artificial immunology as the method of generalizing or extrapolating of the gathering and considering so far cases.
W artykule zaprezentowano metodę optymalizacji spalania w kotle energetycznym, wykorzystującą warstwowy system optymalizujący, z modułem immunologicznym w warstwie zarządzania bazą wiedzy. Przedstawiono także wyniki testów próbnych działania systemu przeprowadzone na symulatorze kotła energetycznego, w trakcie których udało się potwierdzić praktyczną przydatność i skuteczność omawianego rozwiązania.
EN
The article presents a method for optimization of combustion in a boiler. A layered optimization system is used, with immunity system in the knowledge base management layer. Test results acquired by using boiler simulator have been presented. They confirm the described solution to be effective and usable in practice.
W ostatnich latach wśród metod sztucznej inteligencji coraz większą popularnością cieszą się sztuczne systemy immunologiczne (AIS). Niniejsza praca przedstawia zastosowanie sztucznych systemów immunologicznych do zagadnienia optymalizacji kombinatorycznej, jakim jest problem szeregowania zadań flow shop. Dzięki ewolucji przeciwciał opartej na selekcji klonalnej i dojrzewaniu swoistości sztucznych systemów immunologicznych można znaleźć rozwiązanie, które pozwala zminimalizować długość uszeregowania. Przykładowe eksperymenty dla różnej liczby zadań i maszyn pokazują, że AIS są skuteczną metodą rozwiązującą problem flow shop.
EN
Artificial immune systems (AIS) have been more and more popular with artificial intelligence methods in the past several years. This article presents an application of artificial immune system for combinatorial optimization problems such as flow shop scheduling problem. Thanks to antibodies evolution based on clonal selection and affinity maturation of artificial immune systems, we can find the solution that minimizes the makespan. Some experiments with different number of jobs and machines show that AIS are an effective method for solving flow shop problem.
20
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W niniejszej pracy analizowany jest model sieci idiotypowej zaproponowany w artykule autorstwa Farmer et al. w 1986 roku i wykorzystujący ciągi binarne do reprezentacji przeciwciał i antygenów. Jak pisali de Castro i Timmis o tej pracy w swojej książce w 2002 roku: "Ich (tj. Farmera i pozostałych autorów) prace mają wyjątkowe znaczenie, ponieważ stanowią pierwsze podejście do połączenia w całość matematycznej immunologii teoretycznej z paradygmatami inteligencji obliczeniowej. Tak jak w pracach Jerne~Ra ich model składał się ze zbioru równań różniczkowych służących obliczaniu dynamiki składników sieci." Jedno z tych równań, miara podobieństwa używana do obliczania dopasowania pomiędzy ciągami binarnymi była przedmiotem badań prezentowanych poniżej. Wykonany został zbiór testów mających na celu zbadanie wrażliwości miary na różne rodzaje binarnych wzorców oraz liczby bitów różniących mierzone wzorce. Ponadto zaproponowany został również nowy operator transformacji ciągów binarnych. Operator ten zmienia własności miary podobieństwa proponowanej przez Farmera, przy czym nowa miara z włączonym w nią operatorem transformacji okazuje się bardziej selektywna na różne ilości niepasujących bitów oraz położenie tych bitów w mierzonych ciągach binarnych niż jej poprzedniczka.
EN
The bitstring model of the immune network model proposed by Farmer et al. in 1986 is studied in this text. As de Castro and Timmis wrote about the paper in their book (2002): "Their works arę of extreme importance, as they constituted the first attempts to bring together mathematical theoretical immunology and computational intelligence paradigms. As in Jerne's work their model consisted of a set of differential eąuations to ąuantify the dynamics of the components of the immune network." One of these eąuations, the affinity measure used to evaluate match between binary strings, was the subject of the study presented below. A set of tests was perform to study the sensitivity of the measure to the different types of binary patterns and numbers of different bits in the strings. A new transformation operator for binary strings is also proposed. The operator modifies properties of the affinity measure proposed by Farmer. The new measure with the transformation operator included proves to be morę selective to the different numbers of non-matching bits and their position in the evaluated bit strings, than the previous one.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.