內容簡介
《人工免疫系統原理與套用》人工免疫系統(AIS：Artificial Immune System)是根據免疫系統的機理、特徵、原理開發的並能解決工程問題的計算或信息系統。AIS在不同的工程問題有不同的映射和定義，根據莫宏偉《人工免疫系統原理與套用》的定義，所謂 AIS就是借鑑和利用生物免疫系統(主要是人類的免疫系統)的各種原理和機制而發展的各類信息處理技術、計算技術及其在工程和科學中套用而產生的各種智慧型系統的統稱。自然免疫系統是一種複雜的分散式信息處理學習系統，具有免疫防護、免疫耐受、免疫記憶、免疫監視功能，且有較強的自適應性、多樣性、學習、識別和記憶等特點，其特點及機理所包含的豐富思想為工程問題的解決提供了新的契機，引起了國內外研究人員的廣泛興趣，它的套用領域也逐漸擴展到模式識別、智慧型最佳化、數據挖掘、機器人學、自動控制和故障診斷等諸多領域。AIS是繼進化算法、模糊系統及神經網路之後又一研究熱點。
系統概述
二十世紀八十年代，Farmer等人率先基於免疫網路學說給出了免疫系統的動態模型，並探討了免疫系統與其它人工智慧方法的聯繫，開始了人工免疫系統的研究。直到1996年12月，在日本首次舉行了基於免疫性系統的國際專題討論會，首次提出了“人工免疫系統” (AIS)的概念。隨後，人工免疫系統進入了興盛發展時期，D. Dasgupta和焦李成等認為人工免疫系統已經成為人工智慧領域的理論和套用研究熱點，相關論文和研究成果正在逐年增加。1997和1998年IEEE國際會議還組織了相關專題討論，並成立了“人工免疫系統及套用分會”。D. Dasgupta系統分析了人工免疫系統和人工神經網路的異同，認為在組成單元及數目、互動作用、模式識別、任務執行、記憶學習、系統魯棒性等方面是相似的，而在系統分布、組成單元間的通信、系統控制等方面是不同的，並指出自然免疫系統是人工智慧方法靈感的重要源泉。Gasper等認為多樣性是自適應動態的基本特徵，而AIS是比GA更好地維護這種多樣性的最佳化方法。
免疫算法
免疫算法是基於免疫機理提出的高效的學習和最佳化算法，是AIS理論研究的重要內容之一。
1.克隆選擇算法(CSA：Clone Selection Algorithm)
由於免疫系統本身的複雜性，有關算法機理的描述還不多見，相關運算元還比較少。Castro L. D.、Kim J.、杜海峰、焦李成等基於抗體克隆選擇機理相繼提出了克隆選擇算法。Nohara等基於抗體單元的功能提出了一種非網路的人工免疫系統模型。而目前兩個比較有影響的人工免疫網路模型是Timmis等基於人工識別球(Artificial Recognition Ball,AR概念提出的資源受限人工免疫系統(Resource Limited Artificial Immune System, RLAIS)和Leandro等模擬免疫網路回響抗原刺激過程提出的aiNet算法。
2.B細胞網路算法(B—cell Algorthm)
以獨特型網路理論和克隆選擇理論為基礎。Hunt等人模擬生物免疫系統的自學習、自組織機理提出一種人工免疫網路模型——B細胞網路及其算法。
算法將未知問題的解看作抗原，認為只要找到能產生最高親和度的抗體的B細胞，也就找到了未知問題的解。
實驗結果證明，該算法具有較強的尋優能力並保持網路中多種模式和諧並存，有比人工神經網路更快更好的模式識別能力。
3.陰性選擇算法(NSA：Negative Selection Algorithm)
陰性選擇算法基於生物免疫系統的特異性，借鑑生物免疫系統胸腺T細胞生成時的“陰性選擇”(Negative Selection)過程。通過Forrest研究一種用於檢測變數據變化的陰性選擇算法，用於解決計算機安全領域的問題。該算法通過系統對異常變化的成功監測而使免疫系統發揮作用，而監測成功的關鍵是系統能夠分清自己和非己的信息；隨機產生檢測器，刪除那些測到自己的檢測器，以使那些測到非己的檢測器保留下來。
4.免疫遺傳算法(IGA：Immune Genetic Algorithm)
免疫遺傳算法可以看作一種新型融合算法，是一種改進的遺傳算法，是具有免疫功能的遺傳算法。
套用
近年來，基於免疫系統原理開發的各種模型和算法廣泛地套用在科學研究和工程實踐中，人工免疫系統的套用研究涉及到自動控制、最佳化計算、模式識別與故障診斷、網路安全等領域。
