第1期 莫宏伟，等：人工免疫系统研究进展 ·23. 工免疫系统定义为：人工免疫系统是基于免疫系统 人工免疫系统形式像免疫细胞一样是多样化 机制和免疫学理论而发展的各种人工范例的统称. 的，以致目前人们还无法用一个统一的形式描述人 这个定义涵盖免疫启发的算法、技术、模型等，以及 工免疫系统以及建立相应的理论模型 免疫启发的用于软、硬件系统范例 31免疫计算 免疫计算包括免疫算法、免疫启发的计算系统、 免疫学 免疫湿件计算等3种形式」 免疫算法是免疫计算的重要内容，人工免疫系 统的研究也主要集中在各种免疫算法的设计和应用 上.免疫算法目前有两种类型：基于群体的（或者选 理论 计算免疫学 免疫 择)模型和基于网络的模型.基于群体的模型是受 免疫 系统 人工免疫系统 学 仿真 到免疫细胞在释放进入淋巴系统之前早期变异的过 程启发的.采用特殊的算法（阳性、阴性、克隆）去选 择一组自己或非己的识别器无监督学习)或者分 类器监督学习). 免疫算法主要用于优化，目前多种形式的免疫 图2理论免疫学、计算免疫学与人工免疫系统关系 Fig 2 Relations among theory mmunobgy,computing i- 优化算法己经开发出来并在多目标优化、调度方面 munology and A IS 得到应用【7].其中免疫克隆算法的多样性、全局和 局部优化能力得到了深入开发侧 免疫网络计算模型是受到免疫网络理论启发的 3研究进展 计算方法.免疫网络是生物和社会系统中的许多动 早期的人工免疫系统都是多学科合作的方法开 力学网络模型之一，多数现有数学网络理论局限于 发的，主要受到免疫学理论的启发.近些年，人工免 静态的、同质的、结构的、封闭的网络，简单且易处 疫系统在形式上越来越多样，在方法上越来越新颖， 理.但这些并不是实际的生物网络模型特征.因此免 在应用范围上也越来越广泛；但它们的设计方式己 疫网络计算模型面临的挑战在于开发动态的、异质 经与早期研究有很大差别，在理论上也没有突破，与 的、无结构的、开放的网络模型] 生物学即免疫系统机制和免疫学理论渐行渐远，较 如果说许多不同的免疫算法与遗传算法等其他 少在深入理解关键的免疫系统生物学性质上进行开 计算智能算法相比相对成熟，己经具有一定的竞争 发设计.借助隐喻开展研究和设计是当前多数人工 力，则其他3种形式的人工免疫系统还处于初级阶 免疫系统的基本特征.也有少数工作理解隐含的免 段.免疫计算可以与其他计算智能方法互相借鉴和 疫性质，使用建模技术建立人工免疫系统 融合.免疫计算与其他计算智能的关系见图3所示 自然启发的计算 物理、化学启发的计算 生物启发的计算 社会启发的计算 神经网络 进化计算 免疫计算 群智能 计算智能 免疫算法 免疫硬件 免疫湿件 免疫软件平台 图3免疫计算与其他计算智能的关系 Fig 3 The relation between mmunocomputing and the other computing intelligence 在免疫启发的计算系统方面，Tarakanov和Das gpa提出了形式免疫模型的硬件实现，开发了免疫 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net工免疫系统定义为 :人工免疫系统是基于免疫系统 机制和免疫学理论而发展的各种人工范例的统称. 这个定义涵盖免疫启发的算法、技术、模型等 ,以及 免疫启发的用于软、硬件系统范例. 图 2 理论免疫学、计算免疫学与人工免疫系统关系 Fig. 2 Relations among theory immunology, computing im2 munology and A IS 3 研究进展 早期的人工免疫系统都是多学科合作的方法开 发的 ,主要受到免疫学理论的启发. 近些年 ,人工免 疫系统在形式上越来越多样 ,在方法上越来越新颖 , 在应用范围上也越来越广泛 ;但它们的设计方式已 经与早期研究有很大差别 ,在理论上也没有突破 ,与 生物学即免疫系统机制和免疫学理论渐行渐远 ,较 少在深入理解关键的免疫系统生物学性质上进行开 发设计. 借助隐喻开展研究和设计是当前多数人工 免疫系统的基本特征. 也有少数工作理解隐含的免 疫性质 ,使用建模技术建立人工免疫系统. 人工免疫系统形式像免疫细胞一样是多样化 的 ,以致目前人们还无法用一个统一的形式描述人 工免疫系统以及建立相应的理论模型. 3. 1 免疫计算 免疫计算包括免疫算法、免疫启发的计算系统、 免疫湿件计算等 3种形式. 免疫算法是免疫计算的重要内容 ,人工免疫系 统的研究也主要集中在各种免疫算法的设计和应用 上. 免疫算法目前有两种类型 :基于群体的 (或者选 择 )模型和基于网络的模型. 基于群体的模型是受 到免疫细胞在释放进入淋巴系统之前早期变异的过 程启发的. 采用特殊的算法 (阳性、阴性、克隆 )去选 择一组自己或非己的识别器 (无监督学习 )或者分 类器 (监督学习 ). 免疫算法主要用于优化 ,目前多种形式的免疫 优化算法已经开发出来并在多目标优化、调度方面 得到应用 [ 728 ] . 其中免疫克隆算法的多样性、全局和 局部优化能力得到了深入开发 [ 9 ] . 免疫网络计算模型是受到免疫网络理论启发的 计算方法. 免疫网络是生物和社会系统中的许多动 力学网络模型之一. 多数现有数学网络理论局限于 静态的、同质的、结构的、封闭的网络 ,简单且易处 理. 但这些并不是实际的生物网络模型特征. 因此免 疫网络计算模型面临的挑战在于开发动态的、异质 的、无结构的、开放的网络模型 [ 10 ] . 如果说许多不同的免疫算法与遗传算法等其他 计算智能算法相比相对成熟 ,已经具有一定的竞争 力 ,则其他 3种形式的人工免疫系统还处于初级阶 段. 免疫计算可以与其他计算智能方法互相借鉴和 融合. 免疫计算与其他计算智能的关系见图 3所示. 图 3 免疫计算与其他计算智能的关系 Fig. 3 The relation between immunocomputing and the other computing intelligence 在免疫启发的计算系统方面 , Tarakanov和 Das2 gup ta提出了形式免疫模型的硬件实现 ,开发了免疫 第 1期 莫宏伟 ,等 :人工免疫系统研究进展 ·23· © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net