第1期 莫宏伟，等：人工免疫系统研究进展 ·25。 应用的一个新方向.面向医学（免疫学、生物学）的 免疫机理改进已有的其他算法，尤其是对进化算法的 应用是指利用人工智能、数学、计算机等多种技术建 改进.对于上述问题，仅仅通过深入认识相关免疫机 立免疫系统模型，实现免疫系统仿真)、虚拟免疫 理，进而对免疫系统算法本身改进，是难以获得彻底 系统等解决医学免疫学和生物学方面的问题，比如 解决的.研究表明结合其他自然计算策略，可以改善 免疫记忆的产生、进化免疫系统、免疫系统复杂性、 免疫算法的性能.针对特定的问题，抽取不同的方法， 免疫信息学、免疫学数据库、抗体芯片的制造等.它 有目的地融合人工免疫系统模型与其他自然计算方 们的目的是更好地理解免疫活动，结果可用于开发 法，进行求解应是一个主要发展方向.除免疫遗传 医学、制药学或者化学工业研究需要的计算机模型 方法、免疫神经网络方法，建立综合神经、内分泌 工具.有许多这样的应用例子，比如免疫应答的仿 及免疫这三大生物调节系统功能的协同集成框架 真、免疫系统疾病的发展模型接种效果模型等 进而在这一集成框架下深入研究神经、内分泌及免 现有的人工免疫系统基于自然免疫系统的不同 疫的机理，提出新算法，并更广泛地用于工程实践。 机制，具有多样性表现形式，这使得人工免疫系统与 4)免疫算法的数学理论分析.免疫算法的理论 自然免疫系统在多样性方面非常一致，其应用领域也 研究迄今十分有限.在算法的收敛性、稳定性方面没 表现出多样性，其研究手段从借鉴其他计算智能方法 有统一的理论，只有研究人员根据各自的问题给出 到理论研究也表现出多样性，比如不断借鉴进化计 的研究结果.因此首先研究人工免疫系统算法的一 算、主体、计算机科学、人工智能、机器学习、生物学、 般数学框架，提供一种通用的算法范式，然后对其性 医学等多个学科和领域的理论、知识、方法和技术来 能进行深入的数学分析，包括参数分析、收敛性分 设计人工免疫系统，互相融合和利用，解决具体问题， 析、稳定性分析、复杂性分析等.更重要的是挖掘出 因此人工免疫系统是一个开放式的研究领域 优化和学习算法的有效性之源，为进一步提出高效 的信息处理算法提供理论依据 4人工免疫系统未来发展与问题 5)面向工程应用的免疫算法模型.深入研究工 41免疫算法 程应用问题的组合性、非线性、约束性等特性，开展 人工免疫系统的相关算法多是在1999年以后 相应的算法研究和数值实验以及大规模的免疫工程 提出的，而且这些算法几乎都是针对特定问题而言 应用研究，努力达到人工免疫系统模型的实用化 的，对算法复杂性收敛性证明等深刻而具有普遍意 42人工免疫系统理论 义的研究成果还很少，因此，免疫算法研究在解决其 进一步研究免疫系统的各种机理，包括免疫系 存在问题的基础上，今后的研究重点集中在以下几 统的智能涌现、免疫学习理论、免疫记忆理论、免疫 方面： 认知理论、免疫模式识别理论、免疫细胞社会学理 1)免疫算法的有效性评价.目前的免疫算法多 论、免疫复杂网络与通讯理论等方面的深层次理论 种多样，应用范围也很广泛，一般在研究中只与有限 阐述.只有对每种免疫机理有了更深入的理论认识， 的其他算法在某一个问题上比较其性能，缺乏全面、 才能为工程应用，比如算法设计提供保障，而且，新 有效的评价指标和体系.虽然免疫算法也是面向问 机理的发现必将催化新方法的产生 题的，但过于多样化的、基于问题的算法性能不利于 未来人工免疫系统理论研究可能通过与计算免 免疫算法的持续发展.需要探索出一般的理论，以便 疫学的结合方面取得突破，以计算机仿真免疫系统 与其他算法在理论上证明其针对某一领域的问题的 研究为手段，从生物学基础方面（在细胞、分子甚至 有效性，包括并行免疫算法。 基因层次)提出和建立人工免疫系统理论基础.或 2)免疫算法在网络系统等复杂系统中的应用 者面向不同的应用领域，发展各自的理论基础，比如 比如，由于免疫系统与神经网络和内分泌网络互相 面向优化的免疫计算理论、面向数据挖掘的免疫挖 影响，网络智能将成为免疫算法应用的新方向.再 掘理论、面向控制的免疫控制理论等等 者，免疫算法能增强复杂系统的鲁棒性，而且免疫性 基于免疫系统的湿件计算理论将有助于突破冯 与鲁棒性之间存在的必然联系使得免疫算法将在鲁 氏结构计算机的局限，提出新的计算模式和方法，在 棒系统中得到较好的应用」 网络通信、人机接口、人工生命等诸多领域都有重要 3)免疫混合算法.现有的免疫算法多集中在利用 应用价值 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net应用的一个新方向. 面向医学 (免疫学、生物学 )的 应用是指利用人工智能、数学、计算机等多种技术建 立免疫系统模型 ,实现免疫系统仿真 [ 39 ]、虚拟免疫 系统等解决医学免疫学和生物学方面的问题 ,比如 免疫记忆的产生、进化免疫系统、免疫系统复杂性、 免疫信息学、免疫学数据库、抗体芯片的制造等. 它 们的目的是更好地理解免疫活动 ,结果可用于开发 医学、制药学或者化学工业研究需要的计算机模型 工具. 有许多这样的应用例子 ,比如免疫应答的仿 真、免疫系统疾病的发展模型、接种效果模型等. 现有的人工免疫系统基于自然免疫系统的不同 机制 ,具有多样性表现形式 ,这使得人工免疫系统与 自然免疫系统在多样性方面非常一致 ,其应用领域也 表现出多样性 ,其研究手段从借鉴其他计算智能方法 到理论研究也表现出多样性 ,比如不断借鉴进化计 算、主体、计算机科学、人工智能、机器学习、生物学、 医学等多个学科和领域的理论、知识、方法和技术来 设计人工免疫系统 ,互相融合和利用 ,解决具体问题 , 因此人工免疫系统是一个开放式的研究领域. 4 人工免疫系统未来发展与问题 4. 1 免疫算法 人工免疫系统的相关算法多是在 1999年以后 提出的 ,而且这些算法几乎都是针对特定问题而言 的 ,对算法复杂性、收敛性证明等深刻而具有普遍意 义的研究成果还很少. 因此 ,免疫算法研究在解决其 存在问题的基础上 ,今后的研究重点集中在以下几 方面 : 1)免疫算法的有效性评价. 目前的免疫算法多 种多样 ,应用范围也很广泛 ,一般在研究中只与有限 的其他算法在某一个问题上比较其性能 ,缺乏全面、 有效的评价指标和体系. 虽然免疫算法也是面向问 题的 ,但过于多样化的、基于问题的算法性能不利于 免疫算法的持续发展. 需要探索出一般的理论 ,以便 与其他算法在理论上证明其针对某一领域的问题的 有效性 ,包括并行免疫算法. 2)免疫算法在网络系统等复杂系统中的应用. 比如 ,由于免疫系统与神经网络和内分泌网络互相 影响 ,网络智能将成为免疫算法应用的新方向. 再 者 ,免疫算法能增强复杂系统的鲁棒性 ,而且免疫性 与鲁棒性之间存在的必然联系使得免疫算法将在鲁 棒系统中得到较好的应用. 3)免疫混合算法. 现有的免疫算法多集中在利用 免疫机理改进已有的其他算法 ,尤其是对进化算法的 改进.对于上述问题 ,仅仅通过深入认识相关免疫机 理 ,进而对免疫系统算法本身改进 ,是难以获得彻底 解决的.研究表明 ,结合其他自然计算策略 ,可以改善 免疫算法的性能. 针对特定的问题 ,抽取不同的方法 , 有目的地融合人工免疫系统模型与其他自然计算方 法 ,进行求解应是一个主要发展方向. 除免疫 —遗传 方法、免疫 —神经网络方法 ,建立综合神经、内分泌 及免疫这三大生物调节系统功能的协同集成框架. 进而在这一集成框架下深入研究神经、内分泌及免 疫的机理 ,提出新算法 ,并更广泛地用于工程实践. 4)免疫算法的数学理论分析. 免疫算法的理论 研究迄今十分有限. 在算法的收敛性、稳定性方面没 有统一的理论 ,只有研究人员根据各自的问题给出 的研究结果. 因此首先研究人工免疫系统算法的一 般数学框架 ,提供一种通用的算法范式 ,然后对其性 能进行深入的数学分析 ,包括参数分析、收敛性分 析、稳定性分析、复杂性分析等. 更重要的是挖掘出 优化和学习算法的有效性之源 ,为进一步提出高效 的信息处理算法提供理论依据. 5)面向工程应用的免疫算法模型. 深入研究工 程应用问题的组合性、非线性、约束性等特性 ,开展 相应的算法研究和数值实验以及大规模的免疫工程 应用研究 ,努力达到人工免疫系统模型的实用化. 4. 2 人工免疫系统理论 进一步研究免疫系统的各种机理 ,包括免疫系 统的智能涌现、免疫学习理论、免疫记忆理论、免疫 认知理论、免疫模式识别理论、免疫细胞社会学理 论、免疫复杂网络与通讯理论等方面的深层次理论 阐述. 只有对每种免疫机理有了更深入的理论认识 , 才能为工程应用 ,比如算法设计提供保障 ,而且 ,新 机理的发现必将催化新方法的产生. 未来人工免疫系统理论研究可能通过与计算免 疫学的结合方面取得突破 ,以计算机仿真免疫系统 研究为手段 ,从生物学基础方面 (在细胞、分子甚至 基因层次 )提出和建立人工免疫系统理论基础. 或 者面向不同的应用领域 ,发展各自的理论基础 ,比如 面向优化的免疫计算理论、面向数据挖掘的免疫挖 掘理论、面向控制的免疫控制理论等等. 基于免疫系统的湿件计算理论将有助于突破冯 氏结构计算机的局限 ,提出新的计算模式和方法 ,在 网络通信、人机接口、人工生命等诸多领域都有重要 应用价值. 第 1期 莫宏伟 ,等 :人工免疫系统研究进展 ·25· © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net