Рассмотрено применение искусственных иммунных систем (ИИС) для решения задач поиска глобальных экстремумов и восстановления нелинейных мультимодальных функций. Исследован вопрос развития методов теории ИИС с целью их использования в данном аспекте.

Розглянуто застосування штучних імунних систем (ШІС) для розв'язання задач пошуку глобальних екстремумів і відновлення нелінійних мультимодальних функцій. Досліджено питання розвитку методів теорії ШІС з метою їх використання у даному аспекті.

Рассмотрена процедура использования нечеткой исходной информации для построения нечеткой ситуационной модели объекта управления на примере процедуры лечения зубов с помощью электрофореза, использующая формальные определения лингвистической переменной, нечеткой переменной и нечеткой ситуации.

Исследованы вопросы формирования экспертных групп, в которых эксперт рассматривается как измерительный прибор. Построена математическая модель выбора множества экспертов в соответствии с методом "снежного кома", использование которого требует больших затрат времени и средств на проведение опроса. Получена приближенная оценка количества экспертов при однотуровом опросе, которая позволяет существенно упростить экспертную процедуру.

Рассмотрено использование метода собственного вектора для определения степени согласованности экспертных оценок, представленных в виде матрицы парных сравнений факторов, и предложен способ коррекции экспертных оценок, улучшающий их согласование и позволяющий установить более четкие приоритеты факторов.

Методом индукции построены для конкретных параметров виртуальной последовательности ориентированные графы переходов цифровых автоматов с псевдослучайными переходами.

Впервые описана структура цифрового автомата с псевдослучайными переходами для систем защиты информации при ее передаче.

Розглянуто рішення задач структурної та параметричної адаптації систем нечіткого висновку на базі використання штучних імунних систем. Як базову структуру адаптивної системи нечіткого висновку використано модель Такагі-Сугено з гауссовими функціями належності нечітких вхідних змінних. Проведені експериментальні дослідження з відновлення нелінійних залежностей показали високу ефективність запропонованих моделей адаптації.

Рассмотрено обучение адаптивных моделей нечеткого вывода, реализованных в виде адаптивных нечетких нейронных сетей, с использованием искусственных иммунных систем. Предложен иммунный алгоритм обучения на основании принципа клонального отбора. Приведены результаты экспериментов для тестовых функций нескольких переменных, показывающие эффективность использования искусственных иммунных систем для обучения адаптивных нечетких нейронных сетей.

Рассмотрено построение моделей экспертного оценивания признаков на основании семантических пространств путем опроса одного эксперта о типичных значениях термов, а также о разбиении универсального множества признака. Эти модели можно применять для формализации информации в рамках как качественных, так и количественных признаков.

Рассмотрено построение моделей экспертного оценивания признаков на основе семантических пространств при оценивании качественных признаков в балльных шкалах, которое требует дополнительного привлечения экспертов с целью парных сравнений объектов друг с другом. Предлагаемый подход позволяет анализировать наличие качественных признаков на основании сформированных функций принадлежности. Показаны перспективы применения полученных моделей экспертного оценивания в системах цифровой обработки информации.

Рассмотрен синтез адаптивной системы управления нелинейным динамическим объектом на основе использования нейросетевого нечеткого ругулятора, в качестве базовой модели которого взята нечеткая модель Такаги-Сугено нулевого порядка. Предложены различные варианты настройки параметров регулятора в режимах off-line и on-line с помощью искусственных иммунных систем.

Рассмотрен алгоритм классификации объектов, работающий по принципам искусственной иммунной системы. Для решения задачи классификации предложено использовать метод приоритетного последовательного клонирования с конкурентно-целевым отбором клонов, общих критериев отбора клеток и метод дополнительного разброса в ограниченных областях при восстановлении классов. В случае неполной классификации объектов производится формирование дополнительных классов.

Рассмотрено решение задачи синтеза нейросетевого нечеткого регулятора адаптивной системы управления нелинейным динамическим объектом, в которой осуществляется базисная настройка параметров регулятора в режиме off-line, а в случае, когда возмущения выходят за определенный предел, адаптация некоторых его параметров осуществляется в режиме on-line на основе использования искусственных иммунных систем.

Рассмотрена задача подготовки изображения для распознавания, а именно скелетонизация. Проведен анализ существующих алгоритмов решения и предложен гибридный алгоритм, который основан на использовании искусственных иммунных систем и алгоритме скелетонизации Зонге-Суня. Проведены экспериментальные исследования и определены дальнейшие направления исследований, ориентированные на решение задачи распознавания образов.

Рассмотрен обобщенный подход к анализу сходимости иммунных алгоритмов в зависимости от используемых иммунных операторов. Показано, что иммунные алгоритмы сходятся полностью и в среднем к глобальному оптимуму, пока к антителам применяются операторы мутации и старения.

Рассмотрен метод извлечения экспертных знаний на основе организации процедуры неполных парных сравнений, который реализуется в удобной для эксперта форме, значительно упрощает процесс и сокращает сроки проведения экспертной процедуры. Предложены методы определения вектора приоритетов признаков по неполной матрице парных сравнений на основе определения пропущенных значений либо приведения ее к системе линейных уравнений.

Для обработки многомерных данных предложен метод кластеризации, в котором строятся проекции гиперсферы на геометрическою плоскость. При проецировании в гистограмме распределения признаков объекта присутствует разбиение, вызванное разбросом таксонов в плоскости анализа и дающее возможность определить начальные точки поиска центра и радиус для сферы, что позволяет отличать хорошие группировки от плохих и выбирать наилучший вариант таксономии.

Рассмотрена задача подготовки изображения для распознавания, а именно, задача скелетонизации символов. Проведен анализ существующих методов решения задачи скелетонизации и предложен гибридный подход, который основан на использовании искусственных иммунных систем, а именно, модели клональной селекции, и алгоритма скелетонизации Зонге-Суня. Проведены экспериментальные исследования и определены дальнейшие направления исследований, ориентированные на решение задачи распознавания символов.

Предложен гибридный метод краткосрочного прогнозирования временных рядов, имеющих пропущенные значения, на основе модели клонального отбора, которая использует разнородные антитела, построенные на основе метода вывода по прецедентам и простейших моделей прогнозирования. Представлены результаты экспериментальных исследований, иллюстрирующие особенности предлагаемого подхода.

Запропоновано гібридний метод короткострокового прогнозування часових рядів, що мають пропущені значення, на основі моделі клонального відбору, яка використовує різнорідні антитіла, побудовані на основі методу виведення за прецедентами і найпростіших моделей прогнозування. Наведено результати експериментальних досліджень, що ілюструють особливості запропонованого підходу.

This paper proposes the hybrid method of shortterm forecasting of time series with missing values using artificial immune systems. A model of the prediction based on the model of clonal selection, which uses heterogeneous antibodies that are based on the case based reasoning method and simple prediction models. The experimental results illustrate the features of the proposed approach.

Для решения задачи распознавания символов в работе использована одна из моделей искусственных иммунных систем - модель клональной селекции, в которой усовершенствованы процедуры редактирования и сортировки популяции антител, что позволило повысить скорость обучения. Также сокращено время распознавания символов за счет перехода к вычислениям с фиксированной точкой. Приведены результаты экспериментальных исследований, показывающие эффективность предложенного подхода.