论文部分内容阅读
对于大规模实体系统，由于实体的数量巨大，具有有限感知能力并且是不可靠的，因此不可能将针对小规模实体系统的，由可靠实体组成的方法应用到这样的系统中。人类免疫系统就是这样一个复杂系统。在这样的系统中，要协调大量的实体以取得一个系统目标，向我们提出了一个独特的设计挑战。本文的目的就是要自动地发现最好的方法来理解HIV感染的动态性和治疗。本文工作如下：
首先，采用了AOC原型方法仿真免疫动态性。为了验证治疗策略。当前的仿真结果表明经典的HIV三阶段动态性感染在NetLogo平台中被再现.
其次，本文扩展了原有的AOC形式化模型到分组情况。AOC自我发现的方法被调查。自我发现方法通过参数的自动调整，试图去除AOC原型化方法中的试错过程.引入帕雷托归档进化策略到AOC算法中，完成参数的自我发现。一个基于AOC模型的系统被开发用于HIV免疫动态性仿真。仿真结果表明了对于均方根误差参数的好的收敛性以及这种方法的可行性，鲁棒性和可扩展性。
最终，为了验证治疗策略，开发了一个HIV计算实验室。它是一个基于AOC建模的HIV免疫动态性仿真环境，当前是基于NetLogo开发的。它允许研究者调查各种免疫反应对HIV的依赖性。医疗研究者可以使用该仿真环境用于药物研究或者测试有关感染过程的假设。用户可以实时地观察结果的图形显示。该虚拟实验室为研究HIV免疫动态性提供了一个好的工具。