Système Immunitaire Artificiel (AIS)

Présenté par: Yahiaoui Meroua Dirigé par : Pr BENYATTOU .M Module: Optimisation avancé

Plan de travail IntroductionDéfinition des AISHistoriqueLes algorithmes des AISExemples d’applicationAvantages et inconvénientsConclusion

Introduction

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.

Les caractéristiques du SIA: Robuste ; Autonome ; Mémorise ; Distribué ; Adaptatif ; Reconnaissance du soi et du non soi ; Efficace.

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.

Définition des AIS:

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.

Historique

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 algorithmes des AIS 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

Exemples d’application:- 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.

Avantages :

Déterminer le soi et le non soi.Permet d’ajuster la structure et les paramètres du système.Capable d’exécuter des interactions.Donne des résultats plus puissantes par rapport a d’autres méthodes d’optimisation

Inconvénients :

Ces algorithmes son difficile a mettre on œuvre;

Couteux en temps de calcul machine;

Utilisation de la mémoire.

Conclusion:

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.

Quelques liens pour approfondir:

www.cs.ukc.ac.uk/people/staff/jt6www.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