第6期 肖人彬，等：工程免疫计算：基本概念与研究框架 ·31· 3.1工程免疫计算的基本原理 3.2工程免疫计算的实现技术 如前所述，EIC的基本原理包括免疫学基本概 3.2.1抗体的表示和评估 念、EIC的生物原型和EIC的特性及仿生机理.免 形态空间被用于对抗体进行形式化表达，通常 疫学基本概念指抗原、抗体、免疫和免疫应答等有关 采用的空间有3种，即欧氏形态空间（抗体表示为实 术语及其含义；EIC的生物原型是生物免疫系统，涉 数向量)海明形态空间（抗体用有限字符集上的字 及免疫系统组成结构、免疫机制、免疫学原理和免疫 符串表示)和整数形态空间（抗体用整数表示，是海 系统特性等.图4、图5分别罗列显示了主要的EIC 明形态空间的一种特殊形式).抗体的评估包括抗体 特性和典型的EIC仿生机理.EIC所具有的诸多优 和抗原之间结合（匹配）程度的评估以及抗体之间相 良特性是通过EIC丰富的仿生机理得到体现的，从 似程度的评估2个方面，一般用亲合度(affinity)表 而具有强大的信息处理和问题求解能力；而EC的 示，而亲合度的度量通常采用4种方法，即R连续 仿生机理则从信息处理的角度认识和剖析免疫系统 位法海明距离法、欧氏距离法或信息熵度量法 并抽取免疫机制和免疫系统特性的工作机理，是 3.2.2EIC求解算法 EC隐喻机制的不竭之源，因此深入认识免疫系统 基于EIC仿生机理开发的EIC求解算法如图6 并挖掘潜在的EIC仿生机理是开发有效的EIC求 所示，主要包括3种类型：①模仿免疫系统抗体和抗 解算法并用于工程实际的前提和基础， 原识别、结合以及抗体产生过程（借用GA的交叉和 变异算子)，并利用免疫系统多样性机理抽象得到的 EIC特性 般免疫算法，这也是一种最简单的EIC算法；② 分 并 基于免疫学基本原理抽象得到的算法，主要有阴性 行 棒 现 选择算法、克隆选择算法和免疫网络算法，③面向工 式 性 织 性 程问题求解的各种算法，包括免疫识别算法、免疫优 化算法、免疫学习算法、免疫控制算法和免疫决策算 图4EIC特性 法等.在这3种算法中，前2种是EIC的基本求解 Fig,4 Characteristics of EIC 算法，最后一种则是为完成特定工程问题而设计的 应用型算法 EIC仿生机理 3.2.3免疫计算的综合集成 免疫计算的综合集成是指基于AIS的有关原 兔 兔 免 理对其他智能计算方法进行改进和加强或将AIS 疫识别 疫 隆选 与其他智能计算方法进行融合从而得到各种混合免 择 网络 谢 疫算法.目前研究较多的混合免疫算法有免疫进化 算法、免疫神经网络、免疫·多智能主体算法、免疫 图5 典型的EIC仿生机理 模糊算法等.此外，AIS也属于涌现计算范畴)，因 Fig 5 Typical bionic principles of EIC 此免疫计算与群集计算的融合可望产生新的涌现计 算方法 般免疫算法 基本求解算法 EC求解算法 阴性选择算法、克隆选择算法、免疫网络算法 免疫识别算法、免疫优化算法、免疫学习算法 面向工程问题求 免疫控制算法、免疫决策算法 解的应用算法 图6EIC求解算法 Fig 6 Solving algorithms for EIC 智能计算方法的融合能够综合不同方法各自的 嵌入免疫操作利用免疫机理（主要是抗体多样性机 特点、各取所长，从而为问题求解提供更加有效的手 理)改进已有算法，尤其是对遗传算法进行改进.混 段.目前虽然已经有一些将免疫计算和其他智能计 合免疫计算有待向深层次发展，即通过将免疫计算 算方法进行混合的研究与应用，但是大都局限于低 的主要特点和思想引入其他智能计算方法，或将其 层次的简单混合，停留在简单地在其他方法中通过 他方法的主要特点和思想引入免疫计算，从而实现 C 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net311 工程免疫计算的基本原理 如前所述 ,EIC 的基本原理包括免疫学基本概 念、EIC 的生物原型和 EIC 的特性及仿生机理. 免 疫学基本概念指抗原、抗体、免疫和免疫应答等有关 术语及其含义 ; EIC 的生物原型是生物免疫系统 ,涉 及免疫系统组成结构、免疫机制、免疫学原理和免疫 系统特性等. 图 4、图 5 分别罗列显示了主要的 EIC 特性和典型的 EIC 仿生机理. EIC 所具有的诸多优 良特性是通过 EIC 丰富的仿生机理得到体现的 ,从 而具有强大的信息处理和问题求解能力 ;而 EIC 的 仿生机理则从信息处理的角度认识和剖析免疫系统 并抽取免疫机制和免疫系统特性的工作机理 ,是 EIC 隐喻机制的不竭之源 ,因此深入认识免疫系统 并挖掘潜在的 EIC 仿生机理是开发有效的 EIC 求 解算法并用于工程实际的前提和基础. 图 4 EIC 特性 Fig14 Characteristics of EIC 图 5 典型的 EIC 仿生机理 Fig15 Typical bionic principles of EIC 312 工程免疫计算的实现技术 31211 抗体的表示和评估 形态空间被用于对抗体进行形式化表达 ,通常 采用的空间有 3 种 ,即欧氏形态空间(抗体表示为实 数向量) 、海明形态空间 (抗体用有限字符集上的字 符串表示) 和整数形态空间 (抗体用整数表示 ,是海 明形态空间的一种特殊形式) . 抗体的评估包括抗体 和抗原之间结合(匹配) 程度的评估以及抗体之间相 似程度的评估 2 个方面 ,一般用亲合度 (affinity) 表 示 ,而亲合度的度量通常采用 4 种方法 ,即 R 连续 位法、海明距离法、欧氏距离法或信息熵度量法. 31212 EIC 求解算法 基于 EIC 仿生机理开发的 EIC 求解算法如图 6 所示 ,主要包括 3 种类型 : ①模仿免疫系统抗体和抗 原识别、结合以及抗体产生过程(借用 GA 的交叉和 变异算子) ,并利用免疫系统多样性机理抽象得到的 一般免疫算法 ,这也是一种最简单的 EIC 算法 ; ② 基于免疫学基本原理抽象得到的算法 ,主要有阴性 选择算法、克隆选择算法和免疫网络算法 ; ③面向工 程问题求解的各种算法 ,包括免疫识别算法、免疫优 化算法、免疫学习算法、免疫控制算法和免疫决策算 法等. 在这 3 种算法中 ,前 2 种是 EIC 的基本求解 算法 ,最后一种则是为完成特定工程问题而设计的 应用型算法. 31213 免疫计算的综合集成 免疫计算的综合集成是指基于 A IS 的有关原 理对其他智能计算方法进行改进和加强或将 AIS 与其他智能计算方法进行融合从而得到各种混合免 疫算法. 目前研究较多的混合免疫算法有免疫进化 算法、免疫神经网络、免疫 - 多智能主体算法、免疫 模糊算法等. 此外 ,AIS 也属于涌现计算范畴[7 ] ,因 此免疫计算与群集计算的融合可望产生新的涌现计 算方法. 图 6 EIC 求解算法 Fig16 Solving algorithms for EIC 智能计算方法的融合能够综合不同方法各自的 特点、各取所长 ,从而为问题求解提供更加有效的手 段. 目前虽然已经有一些将免疫计算和其他智能计 算方法进行混合的研究与应用 ,但是大都局限于低 层次的简单混合 ,停留在简单地在其他方法中通过 嵌入免疫操作利用免疫机理 (主要是抗体多样性机 理) 改进已有算法 ,尤其是对遗传算法进行改进. 混 合免疫计算有待向深层次发展 ,即通过将免疫计算 的主要特点和思想引入其他智能计算方法 ,或将其 他方法的主要特点和思想引入免疫计算 ,从而实现 第 6 期 肖人彬 ,等 :工程免疫计算 :基本概念与研究框架 ·31 ·