基于人工免疫网络的药代动力学研究

摘要

人工免疫网络模型是解决工程和科学问题的自然计算模型，为信息处理和计算提供了一种方法。目前，基于人工免疫网络模型的实现算法主要包括克隆选择、阴性选择、免疫学习、混合免疫等算法，近年来，在人工免疫方面基于人工免疫网络的算法研究和优化成为了一个新的研究热点。将人工免疫网络算法应用到药代学参数优化研究是近年来的新方向，药代动力学（pharmacokinetics）是一门研究药物在生物体内随时间动态变化规律的学科，目前药动力学参数优化常用方法在参数优化问题上都存在不能精确收敛的缺点。
　　本文主要研究以优化问题为主线，在此基础上进一步讨论了人工免疫网络算法opt-ainet，并将opt-ainet算法用于函数优化仿真实验中，研究opt-ainet算法的优化性能。进而提出人工免疫网络混合算法NetHJ，并将此算法用于药代动力学模型参数优化测试中，讨论算法的寻优能力。最后通过将NetHJ算法应用到数据分析实例中进一步验证了该算法在实际应用中的有效性，本文所做的研究工作主要为以下几方面：
　　（1）学习人工免疫网络算法opt-ainet并对其进行研究，与其他算法对比，讨论opt-ainet算法的寻优能力。
　　（2）针对人工免疫网络算法局部寻优精度较差的缺陷，结合模式搜索法HJPSM局部寻优精度好的特点，提出了新型的人工免疫网络混合算法NetHJ。
　　（3）对人工免疫网络混合算法NetHJ进行研究，扩展NetHJ算法的应用领域，将其应用于药代动力学参数优化问题中。并与药代动力学常用的参数优化方法进行优化结果的对比，验证NetHJ算法在药代动力学参数优化中的实际应用能力。
　　（4）进一步对人工免疫网络混合算法NetHJ算法进行应用拓展，将其应用到数据分析实例中。对数据分析进行算法流程设计，用VC++语言进行了开发并运行实现。进一步验证了人工免疫网络混合算法NetHJ算法在实际应用中的能力。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 研究概况

1.3 本论文所做的主要研究

1.4 论文组织

第二章 人工免疫网络

2.1 免疫系统

2.2 人工免疫网络概述

2.3人工免疫网络模型

2.4 本章小结

第三章 基于人工免疫网络的多目标优化算法

3.1 引言

3.2 多目标优化问题的数学描述

3.3 传统的多目标优化方法

3.4 智能优化算法

3.5 基于人工免疫网络的多目标优化

3.6 函数优化仿真实验

3.7 本章小结

第四章 药代动力学的参数优化

4.1 药代动力学概述

4.2 药代动力学模型简介

4.3 房室模型药代动力学参数优化应用

4.3 非线性药代动力学参数优化应用

4.4 本章小结

第五章 人工免疫网络混合算法NetHJ在数据分析中的应用

5.1 数据分析的需求分析及设计思路

5.2 构建客房数据库

5.3 面向客房数据分析系统关键算法实现

5.4 系统运行结果分析

5.5 本章小节

第六章 总结与展望

6.1论文总结

6.2论文研究展望

致谢

参考文献