生物启发的智慧路由机制与协议_张明川，郑瑞娟，吴庆涛　著_9787030447920

生物启发的智慧路由机制与协议

定价：¥90

中教价：¥70.20 (7.80折）

库存数： 0

购买数量：

　　《生物启发的智慧路由机制与协议》在归纳分析国内外关于智慧路由相关研究的基础上，利用蚁群、蜂群、粒子群、绒泡菌等生物启发方法研究智慧路由机制与协议，主要内容包括:在蚁群算法中引入感知技术，提出感知蚁群的智慧路由模型；基于绒泡菌形体自我调节的特性，提出绒泡菌启发的智慧路由模型；利用蜂群的觅食行为，提出蜂群智慧路由模型；结合多种生物启发方法，提出多生物启发的智慧模型；结合网络环境的多变性，提出协议与网络适配的路由机制；讨论生物启发路由在未来网络中的应用。

　　第 1 章绪论
　　生物依赖环境的同时也改变着环境，人们很早就意识到了这种相互依赖、彼此依存的紧密关系。伴随着科学技术的发展，人们对于生物与环境之间复杂关系的研究逐步形成了生态学。尽管关于什么是生态学，不同时期的学者给出的定义不尽相同，但已有的定义差别不大，通常可以概括为：生态学是研究生物与环境及其相互作用的科学[1]。近几十年来，生态学的研究得到快速发展，与生态学相联系的一系列边缘学科相继产生，如生物化学、生物物理和生物经济学等。基于生态学，文献[2]提出了关于单调控制系统这一新兴领域的机遇与挑战，主要包括以下几方面。
　　(1)生物测量与操纵控制和信号处理技术的核心内容主要集中在仪器设置方向。
　　(2)生物研究的启发理论在控制工程领域的抽象与应用。近年来在基因研究方面所取得的成果，不断为系统提供更为详细的启发知识。传统的单调控制技术只能应用于自治动力系统，从某种意义上说，这种限制阻止了研究互联结构的可能性，特别是当研究的角度从组织严密的描述方法转换到相对分散的分析方法时，该局限性表现得更加明显。但同时，需要分解的高度复杂系统所拥有的细小分子是具有清晰特性的，这种转换也是必然的。粗略地说，系统流的初始条件或进入该系统的外来信号具有单调特性，那么该系统都将是单调的。满足该要求的模型经常应用于多种不同领域，如分子生物学、生态学、经济学、化学等。
　　单调控制系统在生物中的应用尤为明显。近年来，生态学受到了越来越多的关注，而其中一个重点就是物种的共存问题。即不同物种之间*基本的生存关系分为竞争关系、捕食－食饵关系、互惠关系等，但同时，许多物种之间的关系并不是单一不变的，而是相对更加复杂和动态。
　　在研究多数复杂系统时，一般都会作出假定，即大量的简单元素通过大量汇聚与交互来表现系统的复杂行为。因为在多数情况下，系统的元素是均一而简单的。而生物系统由大量的细胞、蛋白质以及基因组成，这些元素或成分无法用均一的或简单的概念予以描述和实现[3]。由此，生物系统的主要特征可以归纳为以下四点。
　　(1)元素的独特性。从遗传学的角度来看，生物系统由成千上万个基因组成，每一个基因具有不同的调控关系，而每一个基因的表达产物具有不同的功能。因此，生物系统不能看做由多个均一成分组成的系统，同时，系统行为也无法简单地用均值行为来近似表达。
　　(2)元素的复杂性。系统每一个元素均具有其本身的复杂性。每一个基因都包含一个复杂的调控结构，而其转录产物主要包括自身的复杂结构和动力学行为。每一种蛋白质结构与功能各不相同，且蛋白质彼此之间存在多种相互关联的关系。
　　(3)元素之间相互作用的选择性。系统元素之间的相互作用具有高度选择性。基因与基因之间的调控作用具有高度特异性，同时，蛋白质之间的相互作用也是高度特异的。
　　(4)元素之间相互作用的网络化。系统元素之间的相互作用形成了高度复杂的生物化学网络。代谢作为*基本的生化反应网络，通过产生能量来驱动各种细胞的变化过程，从而降解并合成了许多不同的分子。代谢网络也被称为酶分子(蛋白质分子)网络。同时，系统内部还存在蛋白质网络和基因调控网络。
　　通常情况下，生物系统的相互作用不仅表现在系统之间的相互作用上，其本身也要受到外界因素的影响，这种受到外界因素影响的表现称为随机力[4]。而随机力会破坏系统的有序性，因此系统的有序和无序的竞争会表现出复杂的行为。值得注意的是，随机力并非只能起到消极作用。在生物非线性系统的分岔点附近，通过生物系统与随机力的作用，无序的能量可能转化为有序的动力，从而促进系统新秩序的建立。近年来讨论的噪声诱导相变、随机共振、相干共振、分子马达运动、改变基因遗传选择平衡、选择性控制细胞生长等一系列现象就属于典型的噪声对生物系统正面作用的例子。
　　生物系统本身就是一个自组织的进化系统，在生物与环境的交流和相互作用下，生物利用自身的冗余结构和冗余补充，使整个系统始终朝着有利于生物发展的方向进化。文献[5]采用 Type￣2 模糊系统建立了生物群落冗余结构的数学模型，提出了生物群落稳定性的度量方法，研究了生物群落冗余结构与生物进化可靠性和稳定性的关系。
　　当前网络应用日益呈现出高性能大规模多样性需求用户对提出了更高的分布式要求，需要以用户为中心的网络具有自扩充性、可移动性、可生存性、简单易操作性以及随着用户和网络环境的长期和短期变化而具备的自适应性等特点，因此，对于网络应用的开发设计者和相关领域的研究人员来讲，有必要进一步优化 Internet 体系结构，并开发设计其应用。生物信息系统作为一个分布式自治系统，其运行机制能够为多个科学和工程领域提供富有成效的技术和方法，如人类社会、蜂群、生物免疫系统等大规模系统已形成许多重要的原理和机理，可用以启发人们采用科学方法和工程技术策略满足未来 Internet 的发展需求。
　　探寻系统生物学和生物信息学的运作机制和工作原理，已成为研究生物启发理论的基础与首要任务。
　　1.1生物信息学
　　生物信息学是生物学与信息科学、数学、计算机科学等学科相互交叉而形成的一门新兴学科。生物信息学依据一些描述和模拟复杂生物系统的数据库、计算机网络及应用软件，在各种技术平台(如大规模 DNA 测序、RNA 和蛋白质组研究)产生海量数据的基础上，整合运用数学、计算机科学和生物学的各种工具，通过对生物学实验数据的获取、处理、存储、检索与分析，来阐明和理解大量数据所包含的生物学意义。目前生物信息学技术在人类疾病与功能基因的发现与识别、基因与蛋白质的表达与功能研究方面都发挥着关键作用，已成为系统生物学发展的一个强有力的工具[6]。
　　随着各类生物数据的加速增长和积累，计算生物学应运而生。计算生物学以现代分子生物学数据作为主要研究对象，运用理论模型和数值计算研究生命科学(基因序列信息分析、基因预测、分子进化及分子系统学等重要问题)，揭示以基因组信息结构为主的生物复杂性，以及生长、发育、遗传、进化等生命现象的根本规律。计算生物学的主要研究方法是用数学语言定量描述和预测生物学功能、生物体表型及行为，包括多元统计分析方法、随机过程模型、机器学习等方法。其主要作用包括：①通过对大量数据的处理来分析生物系统的特性和行为；②解析和定义生物系统的功能和结构层次。
　　计算系统生物学(computational system biology)突出生物信息学等学科“计算”的作用，强调“计算与实验” 的交融，成为切入探索生命系统性、复杂性的重要途径，并迅速成为系统生物学领域的新前沿，其主要研究目的是分析生物系统中实体的行为，并揭示实体间的相互关系。系统生物学以整体性研究为特征，以生物信息学为研究生物系统组成成分的重要方法，并促使医学、生命科学研究朝可预测、可预防、个体化的医学目标发展。目前该领域主要包含两方面的工作：一方面是从海量实验数据中建立模式，进行知识发现；另一方面是基于仿真的系统分析，它强调根据实验获取的数据对生物系统建立定量模型，并在时间轴对系统行为演化进行外推。作为理论研究和实验研究之外的第三种认识和改造世界的方法，建模与仿真是系统生物学中联系计算与实验这一理念的主要纽带[7]，其主要作用包括：一方面，以行之有效的建模方法学对高通量测试结果数据进行描述，在不同层次、不同尺度上定义复杂生物系统的组成与功能；另一方面，通过仿真方法，在可接受的时间内对含有虚拟实验假设的系统特征与行为进行分析。我国学者也对系统生物学中的建模与仿真研究给予了极大的关注，大规模计算系统生物学仿真不断增长的计算需求，使得基于高性能计算机的并行仿真成为这类仿真发展的重要趋势。目前，实现高性能的主要手段是并行，并行仿真方法的研究对高性能计算系统生物学的发展非常重要。
　　复杂生态系统中很多重要的生态学理论问题都是以生态位和生物群落概念为基础的，生态位概念已遍及整个生态学科，成为生态系统理论研究和实际应用中的重要问题，其理论在种间关系、群落结构、物种多样性及种群进化等方面获得了广泛应用。生态位和生物群落及其相关概念的量化和模型化是生态系统的根本问题。因此，生态系统建模对生态系统的非线性分析、仿真和量化工作具有重要意义。
　　生态学和种群动力学本质上是非线性的和整体的，在同一系统中，不同生物和不同种群之间彼此无法分开，它们之间存在复杂的非线性关系，并且与环境构成一个整体。生物系统的进化与发展显现出高度的非线性，它使生物体更容易适应环境的变化，而更强的适应性正是更高的进化程度的表现，而且越来越高的复杂性是生物演化的一个标志。因此，对生态系统非线性、同步进化机制和生物进化的衡量尺度的研究，有助于进一步认识生物系统的发展。
　　混沌系统的同步可以看做一个大系统内部各个子系统之间的协同机制，正如生物系统中各个种群之间的竞争协同[8]。从这个意义上讲，生态系统的混沌现象是客观存在的，同步是生物系统的内在机制。因此，非线性动力学方法成为研究生态系统的重要工具。生物进化在复杂的环境下进行，可以看出，生物始终朝着有利于自身发展的方向进化，并始终与环境交流，缩小与环境的差异，形成具有自适应性、稳定的生物种群。在研究复杂工程系统的过程中，由于其所处的动力学环境、巨大的能量、机构的复杂性等各种因素，潜伏的故障将导致不可估计的经济损失和人员伤亡。因此，将生物系统的非线性进化特性、自适应性、容错性和稳定性与控制方法和故障诊断结合，形成具有生物特性容错控制方法和故障诊断方法，可以使系统故障*小化。容错控制(fault tolerant control，FTC)的思想起源于 1971 年，以Niederlinski 提出完整性控制的新概念为标志，是一门新兴交叉学科，它与鲁棒控制、故障检测与诊断、自适应控制、智能控制等有着密切联系，是伴随解析冗余的故障诊断技术的发展而发展起来的。
　　复杂系统(complexity system) 是指由一些相对简单的个体部件基于相互之间错综复杂的作用而形成的一个统一而复杂的整体。复杂系统涵盖内容极广，几乎无处不在，包括经济系统、社会系统、工程系统和生物系统等。研究复杂系统的学科称为复杂性科学(complexity science)。生物系统作为一个复杂系统，是自然界物理、化学和生物组分的有机组合系统。生物系统除具有上述几个关于复杂系统所共有的特点以外，还有一些其他系统所不具备的特点。生物种类繁多，数量庞大，生命现象错综复杂，所以生物复杂系统(bio￣complexity system)足以被誉为“复杂巨系统”，是所有复杂系统中复杂性**的一类。人们普遍认为，生物系统的复杂性和非生物系统的复杂性是两类不同的复杂性，前者的复杂程度比后者要大得多，而且不同生物系统的复杂性具有三个特点：①在复制生物结构的过程中展现出生长性、自组织性和自适应性；②具有无双性，这导致不同层次、不同类群甚至不同个体生物的复杂性，显示出很强的独特性，这是在生物领域应用数学方法的一个难点；③生物系统复杂程度的巨大性，这也使得生物系统的复杂性难以量化。在生物系统中存在植物和动物的相互作用以及与环境的代谢作用，因此，对复杂生物系统可以从质和量、**性与相对性、存在和演化、空间和时间等多角度进行描述，重点从三方面进行把握[9]：①系统内部各要素之间的相互作用；②同等系统之间的相互作用；③低等级系统与高等级系统之间的跨层次相互作用。
　　1.2系统生物学
　　人们对生物体系统的研究多采用还原论法，完成对系统单个组成元素的独立分析与研究。到目前为止，还原论的研究已经取得了大量成就，其成果在细胞甚至分子层次都对生物体具有较深入的了解，但遗憾的是，相关成果对生物体的整体行为难以给出系统、全面的解释[10]。目前，生物科学还停留在科学实验阶段，尚未形成一套完善的理论来描述生物体如何在整体上实现其功能行为。对子系统的研究成果互相割裂地罗列在一起，人们迫切需要将它们组合起来进行整体研究，从中

你还可能感兴趣

我要评论

您的姓名	验证码：
留言内容