Virus-immune T cells and the major histocompatibility complex: Evolution of some basic concepts over the past two years

Cellular and Molecular Life Sciences -     

Antibodies against analogous heptad repeat peptide HR212 of Newcastle Disease Virus inhibit virus-cell membrane fusion

Membrane fusion is a key step in enveloped virus entry. Highly conserved heptad repeat regions (HR1 and HR2) of Newcastle disease virus (NDV) fusion protein (F) are critical functional domains for viral membrane fusion. They display different conformations in the membrane fusion states and are viewed as candidate targets for neutralizing antibody responses. We previously reported that an analog of heptad repeat peptides HR2-HR1-HR2(HR212) and HR2 could inhibit NDV induced cell-cell membrane fusion. Here, we show that HR212 can induce the production of highly potent antibody in immunized rabbits, which could recognize full length peptides of both HR1 and HR2, and inhibit NDV hemagglutination and NDV entry. These suggest that either HR212 or its antibody could be an inhibitor of virus-induced cell-cell membrane fusion.     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法，描述了算法的操作过程。采用函数优化仿真实验与进化算法进行比较，结果表明免疫克隆选择算法收敛速度快，求解精度高，稳定性好，并能有效地克服早熟问题和骗问题．     

基于免疫遗传算法的网格任务调度

研究了网格环境下任务调度问题,提出了一个任务调度机制:基于任务图将每一个可能的任务调度方案表示成一个任务-资源分配图,将网格任务调度问题转化为任务-资源分配图优化选取问题.提出了一种基于免疫遗传算法的、实现任务-资源分配图优化选取的任务调度算法.该算法将任务-资源分配图的最长路径作为抗原,每一个任务-资源分配图对应一个抗体.实验结果表明这个算法在全局优化能力及收敛速度上均有显著提高.     

抗原进化免疫算法的动目标预测

根据免疫学研究中抗原与抗体同时进化的特性，通过对动目标预测系统特点的分析，提出一种改进的免疫算法．算法以目标当前运动时刻的拟合信息为初始抗原，下一时刻信息的改变为抗原进化，进行参数优化搜索．并进一步使用所得最佳参数对预测模型进行拟合得出结果．仿真结果表明，该算法可以满足动目标预测系统的高实时性要求．     

用于多峰值寻优的人工免疫克隆选择算法

提出了一种执行克隆选择原则的强有力的计算方法，算法思想中考虑到在免疫响应产生的较高亲和力的抗体中，选择改进的成熟后代。这种革新算法能关于机器学习解复杂问题，实例结果表明，克隆选择算法对多峰值寻优问题有优良能力。     

基于循环配送策略的汽车装配线物料配送调度方法

为有效解决基于循环配送策略的汽车装配线物料配送调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先,建立了数学规划模型,以最小化计划期内所有工位的线边总库存为优化目标,并提出了改进型免疫克隆选择算法.在算法设计过程中融入了模拟退火算子和邻域搜索算子,分别对克隆种群和记忆库进行操作,以克服传统免疫克隆选择算法易陷入局部最优、搜索深度不足等缺陷.最后进行了仿真实验,表明该算法是有效、可行的.     

基于模糊免疫神经网络PID算法的全向底盘控制方法

针对全向底盘控制的实际需求,提出了基于模糊免疫神经网络PID算法的智能控制方法。首先根据神经网络算法和模糊算法的结构特点建立了模糊神经网络模型,并使用误差反向传播的方法对模型进行训练;然后使用免疫算法确定学习率,实现了对PID参数的动态整定,并对底盘路径跟踪控制器参数进行整定,以实现对底盘的精确运动控制;最后建立了底盘的运动学模型,基于Matlab平台进行了相关算法的仿真,并基于Linux Ubuntu系统下Tensorflow框架搭建并训练了神经网络模型,进而实现了整体算法。轨迹跟踪试验表明:当底盘沿不同方向以5 m/s的速度进行轨迹跟踪时,最大误差为4.88cm,平均误差为0.25cm,该算法能够有效地对底盘进行控制,满足全向底盘控制的要求。     

考虑时间和能耗的立体仓库三维空间路径优化

针对自动化立体仓库中堆垛机在三维空间内的路径规划问题,考虑其运动过程中的加速度、行走距离以及载重对能耗的影响,建立以绿色度最大为目标的优化模型,采用免疫蚁群算法对模型进行求解,将免疫算法生成的初始解转化为蚁群算法的初始信息素,以减少寻求最优初始参数的实验次数,提高算法迭代收敛速度。案例分析表明,与经典蚁群算法和免疫算法相比,本文算法具有更好的全局优化性能,可有效平衡作业能耗和作业效率,提高堆垛机作业过程的绿色度。     

基于免疫进化细菌觅食算法的无功优化

针对传统细菌觅食算法在优化过程中步长一致、收敛速度较慢的缺陷,提出了一种免疫进化细菌觅食算法(IBFO),并将其用于电力系统无功优化问题上.这种改进的算法赋予了细菌对搜索空间的感知能力,利用灵敏度的概念来调节步长,加快收敛速度;将免疫算法中的克隆选择思想引入算法中,对精英细菌进行克隆、高频变异和随机交叉,提高收敛精度.将IBFO算法在IEEE 14、IEEE 30节点标准测试系统中进行了无功优化仿真,结果表明:新算法较其它算法具有较强的全局搜索能力,且收敛速度快、鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径.