计算机仿生物学初探
摘要：生物的这种和谐状态的形成，是自然选择的必然结果。计算机技术的不断发展，便是一个不断追求达到高度和谐境界的过程，生物发展的这个过程在某个程度上，他和计算机的发展的相似的，因此，计算机仿生学的发展是计算机要追求进一步改进的一个有效的方法。它主要建立在生物学科的基础知识上，然后用计算机的算法模拟实现。它的快速发展不光为计算机智能化以及计算机算法技术等众多领域产生了深远的影响。与生物学等众多计算机学科的交叉，使得计算机的发展不再单一化，而是具有更大的发展前景，这也是计算机科学技术要快速发展的必要因素。
关键字：仿生物学 神经学 人工智能 基因学 遗传学 免疫学
引论
“有益于任何生物的变异确曾发生，那么具有这种性状的诸个体肯定地在生活斗争中会有最好的机会来保存自己；根据坚强的遗传原理，它们将会产生具有同样性状的后代。我把这种保存原理，即最适者生存，叫做‘自然选择’。”
--达尔文《物种起源》
在经历了数世纪的“自然选择”之后，世界上的物种的进化趋于一种稳定的状态，在整个生物圈的循环中，物种的相辅相成与相反相成，使得整个生物圈在一个统一的体系下融融发展。
在我们的眼中看来，每一个生物都是一个完美的个体，在生物的内部与外部，无一不体现出整个生物高度的和谐。而这种和谐状态的形成，便是这么久的自然选择的必然结果。计算机技术的不断发展，便是一个不断追求达到高度和谐境界的过程，生物发展的这个过程在某个程度上，他和计算机的发展的相似的，因此，计算机仿生学的发展是计算机要追求进一步改进的一个有效的方法。
综观现计算机仿生学的发展，在世界上已经形成了对生物神经系统、遗传系统和免疫系统等主要生物生理系统的研究。在这么多年的计算机仿生物学的发展中，不断有资深专家提出关于各种仿生系统的算法，为仿生物学的发展做出了巨大的贡献，但是仿生物学毕竟是才从生物学和计算机科学中派生出来的一门比较前沿的交叉学科，因此，它的发展还不是的很成熟，但它的发展对计算机学科的发展而言是不可忽略的。但从以下几个方面对计算机仿生物学作一个简单的介绍。
一、 计算机神经学
计算机神经学是对计算机人工智能以及专家系统等进行研究中作为前提出现的，计算机神经学主要从人的神经系统发面出发，通过对人的神经系统的研究而得出的。它主要建立在生物学科的神经学的基础上，然后用计算机的算法模拟实现。
在计算机神经学中，由于神经系统最后得到的结果是兴奋或抑制的二者之一的状态，而且满足且只满足单向的信号传输。于是可以通过建立一个单一的神经元模型（如图1所示）。从其他神经元传来的信号n，通过函数f(k,∑n)对信号是否超过阀值的检测，最后得到神经的输出信号，从而对下一个神经元产生影响。如此多个此类的神经元以有序的组合起来，形成一中神经网络（如图2所示），这个神经网络便可以对输入信号产生兴奋或抑制的信号。在神经元与网络的基础上，还可以建立具有回馈机制的神经系统（如图3所示）。
图1 单个神经元
通过这个神经网络，可以有效的模拟人的神经思维状态，以达到我们用计算机模拟人思维的能力，这为计算机人工智能的实现打下了一定的基础。神经学同时也应用在计算机网络技术、计算机辅助技术以及计算机制图技术等众多采用计算机神经系统计算方法的地方。
图2 简单神经网络
图3 神经元的简单回馈
二、 计算机人工智能
在计算机神经学的基础下，计算机人工智能通过对人的学习方法的研究，得出了实用于计算机自主学习的一套方法，该方法通过学习，并在内核形成神经系统，对所学的知识进行反馈，得出正确的学习导向。人工智能中涉及特别多的数学计算方法的研究，形成了一个可以独当一面的计算机计算方法学。
人工智能中主要涉及结构化和非结构化知识表示技术、搜索技术和问题求解、确定性推理和不确定性推理、非标准逻辑、专家系统、机器学习、统计学习和智能agent、自然语言处理等几个方面。
在当今的多数大学计算机课程专业中，基本上都开设了这门课程，可见这门课程对计算机学科的综合影响性。
三、 计算机基因学
基因应该可以算是生物储存信息的基本单位，碱基便是这个基本单位的组成元素。将它的概念引入到计算机中，那在计算机中可以用有序的2进制串（例如：“000011010101”）来表示一个计算机文件等的标识，即计算机的基本单位—基因。在计算机基因中，使用2位二进制串表示一个碱基，正好可以完整的表示4个碱基（既A：00，T：11，G：01，C：10）（如图4所示）。并且我们按照生物学上的约定，规定各代表ATGC的二进制串按照A-T、C-G 的规则互补配对，即碱基互补配对原则。当存在两个基因串它们的所有碱基完全能按照这种规则互补配对时，我们就说这两个基因串完全匹配，它们的匹配长度即为他们单独一个所含有的碱基总数。在实际应用中，这种完全匹配的情况很少出现，当两个基因串有连续的K个碱基能匹配时，那就可以说这两个碱基的匹配长度为K。
图4 计算机碱基配对
四、 计算机遗传学
计算机碱基的出现使得我们可以用生物上的遗传知识来对他加以更多的想象。有了这种基因的表示法之后，我们可以构想，当存在一串的计算机基因的时候，我们可否像生物学里面的进化方式来对所拥有的这串基因来遗传和变异，回答是肯定的，计算机遗传学正是对这方面加以研究的。
在生物的遗传学中，当双亲杂交后能得到具有双亲优秀性质的子代的概率是比较大的，在计算机中不妨假设存在两个父本基因 a和 b（如图5所示），通过将他们的基因半取，然后合成一个新的基因，这个新的基因同时具有两个父本的基因，因此他们成功的完成了一次计算机基因的杂交，由次产生出来的基因，根据生物上的知识，它将有很大的可能比父本要好。在杂交的同时，我们还可以设置一个较小的变异参数δ，当满足该δ的概率时，对基因的一个碱基进行变异、或则交换两个碱基的位置、或则丢失一个碱基、或则添加一个碱基等等。这些都可以实现，得到的子代再放到实际中去检验有效性，进行环境的选择。最后得到的子代将有比双亲更好的实用性。
图5 计算机基因杂交
五、 计算机免疫学
计算机免疫学是计算机基因学以及遗传学等的一个应用实例。在生物免疫学中，免疫细胞通过对非自体细胞的辨认，以确定细胞的类型，然后通过记忆该细胞的抗原识别族，产生抗体细胞来对非自体细胞免疫。
计算机免疫技术也是通过计算机基因技术来辨别外来原与自体，通过与自己记忆基因库进行比较（如图6所示），通过对匹配串长度的记录与给定的阀值K比较，引发事件处理。
图6 免疫模型
图7 基因串匹配
比如在第7图中（如图7所示），当K值为5时，6个基因串匹配便能正常引发处理事件。在免疫实现的过程中，在生成了一个免疫细胞的时候，要对免疫细胞进行存活实验，即将免疫细胞试用，如果他能与大多数的自体文件发生免疫反应，则应该删除该免疫细胞。在免疫细胞的一个成活期中（如图8所示），免疫细胞在通过了存活实验之后，生存期便开始进如成熟期，如果在相当一段时间内没有抗原对他进行激活，那免疫细胞最后储存为免疫记忆细胞（即免疫抗体匹配文件），结束自己的生命周期。在下一次接受到能被匹配的抗体时，重新激活，进入新的周期。在一个计算机系统中，免疫细胞通过互相作用达到动态平衡，但是要及时删除死亡的免疫细胞，和控制成熟免疫细胞的数目，以最大限度的利用计算机内部资源。
免疫系统的快速发展，可以多数的利用在计算机仿病毒或则网络攻击的系统，也可以应用在多数使用“分治”原理的计算机系统中。
图8 免疫细胞的生存周期
综述
中国计算机仿生物学的发展在很大方面还有着巨大的发展潜力。计算机仿生物学的快速发展不光为计算机智能机器人以及计算机算法技术等众多领域产生了深远的影响。生物学与计算机科学技术的交叉，将会促使计算机按照生物进化的方向进化发展，同时众多的计算机交叉学科相继的建立，使得计算机的发展不再单一化，而是具有更大的发展前景，这也是计算机科学技术要发展的必要因素。
参考文献：
1．《计算机免疫学》 李涛 著 北京-电子工业出版社 2004
2．《物种起源》 达尔文 著
3．《人工智能原理与应用》 王文杰 叶世伟 著 北京-人民邮电出版社 2004.3