第6期 肖人彬，等：工程免疫计算：基本概念与研究框架 ·33· 所具有的信息处理和问题求解能力以及优良特性， 优化和非线性优化等问题至今仍没有较好的求解方 一方面与产品设计的许多方面有着紧密联系，另一 法.EIC的诸多仿生机理，如免疫记忆、克隆选择、免 方面也十分符合产品设计这一智能活动的特点和要 疫网络抗体多样性和疫苗接种等都具有寻优的特 求，因此EIC和产品设计两者的结合，即基于EIC 征或者有利于实现寻优，从而使得EIC具有强大的 进行产品设计是EIC的一个重要发展方向. 寻优能力，能够为优化问题尤其是复杂优化问题的 前文采取自下而上的思路，根据AIS解决各种 求解提供新的途径和方法」 工程实际问题所具有的共性特点和聚类特征提炼形 2)识别是指对事物或现象进行辨识，其过程主 成了EIC的概念，本节则将采用自上而下的思路， 要包括特征提取、训练和匹配等环节，EIC的免疫识 以产品设计这一EIC典型应用领域为例，对基于 别、免疫网络和克隆选择等仿生机理以及各种免疫 EC的工程应用作进一步说明.虽然本节以产品设 识别算法3,2]可为设计方案和产品实例等的识别提 计为例进行讨论，但有关思想和方法也可为EIC的 供有效方法 其他各种工程应用提供一定借鉴和参考 3)学习包含由低到高的3个层次，首先是常规 设计过程的本质是对设计问题进行求解的过 学习，它又可进一步分为聚类学习和分类学习：其次 程，此外在设计过程中，设计对象产品经历的是 是基于免疫记忆机制的联想学习；第3个层次是突 一个演化过程.作为问题求解和信息处理的新范式， 现创新式学习，这是实现起来难度颇大的一种学习 EIC不仅可以为产品设计过程中各种复杂设计问题 方式.以免疫学习为代表的EIC仿生机理及各种免 的求解提供有力支持，还可以为产品的演化机制提 疫学习算法45,25.使EIC可以为各种学习方式 供灵感和借鉴，从而支持设计过程中产品的逐步演 提供参考范例，可为产品族设计中客户需求以及核 化.由于基于EIC的产品设计借鉴了生物免疫系统 心平台的聚类分析以及设计方案和产品实例的联想 运行机制中所蕴涵的信息处理模式和计算模式，从 记忆等提供支持 而为产品设计提供智能支持，因此基于EIC的产品 4)决策问题在产品设计中也广泛存在，如设计 设计可简单称之为免疫设计.下面分别从面向问题 方案的评价和决策等.简单来讲，决策就是依据一定 求解的免疫设计和面向产品演化的免疫设计2个方 标准，从若干备选方案中选择一个最优方案.基于免 面对免疫设计方法进行阐述 疫策略的决策算法2·291为决策问题的有效解决提 4.1 面向问题求解的免疫设计 供了新的思路和方法，适合于用EIC求解的决策问 设计过程的本质就是对设计问题进行求解的过 题包括群体决策和多目标决策等 程.传统的设计过程问题求解方法有试错法、枚举 5)免疫系统通过各种免疫细胞之间的协同效应 法、解析法、分治法和启发式方法等，它们都有各自 完成免疫应答任务，其中蕴涵和体现了分工协作的 的局限性.随着仿生计算等新一代人工智能技术的 思想，并被成功用于解决机器人技术领域中的协同 兴起和发展，基于仿生计算技术的设计问题求解已 问题，如多机器人系统群体控制29.0]等.协同设计 经成为当前设计过程问题求解的一种重要途径， 体现了并行工程的思想，是现代产品设计的重要方 EIC致力于研究和探索面向复杂工程实际问题 法之一.借助免疫网络和分布式等EIC仿生机理以 求解的免疫计算方法，其核心是将各种工程应用问 及免疫系统的自组织、自适应和群体突现等特性进 题通过抽象或转换归结为典型的工程问题，然后结 行基于免疫策略的协同设计是一项值得探讨和富有 合AIS的原理与技术进行求解.本文第3节根据目 意义的研究工作.例如，可以考虑将EIC和分布式 前AS的应用状况，将工程实际中的各种应用问题 人工智能的研究成果多智能主体系统相结合， 进行聚类归纳得到识别、优化、学习、控制、决策和协 构造免疫·多智能主体系统进行协同设计中设计方 同6大类典型工程问题.实际上，在产品设计领域 案的协同决策.具体地，可以将协同设计小组中的各 中，虽然产品设计的具体问题各种各样，其要求和目 个设计专家分别对应于一个智能主体，然后利用免 标也各不相同，但是产品设计中潜在的适于用EIC 疫机理构造单个智能主体的行为规则以及各智能主 进行求解的各种应用问题经过抽象或转换，也可以 体之间的通信、协调和协作策略，并利用抗原（对应 概括归纳为上述6大类工程问题.因此，面向设计问 于设计要求和设计目标)和抗体（对应于专家的设计 题求解的免疫设计就是指基于EIC方法对产品设 方案)之间的相互作用以及抗体之间的促进和抑制 计中经过抽象或转换得到的识别、优化、学习控制、 作用，实现协同设计小组中各设计专家的设计方案 决策和协同等6大类典型工程问题进行求解，下面 的协同决策」 将分别进行简要分析与说明 6)控制可以分为多种类型，如经典的反馈控制 1)优化问题在产品设计领域中普遍存在，而组 以及现代控制理论中的自适应控制、最优控制、分布 合优化、多峰函数优化、动态多目标优化、复杂约束 式控制和神经控制等.除此之外，系统辨识也是控制 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net所具有的信息处理和问题求解能力以及优良特性 , 一方面与产品设计的许多方面有着紧密联系 ,另一 方面也十分符合产品设计这一智能活动的特点和要 求 ,因此 EIC 和产品设计两者的结合 ,即基于 EIC 进行产品设计是 EIC 的一个重要发展方向. 前文采取自下而上的思路 ,根据 AIS 解决各种 工程实际问题所具有的共性特点和聚类特征提炼形 成了 EIC 的概念 ,本节则将采用自上而下的思路 , 以产品设计这一 EIC 典型应用领域为例 ,对基于 EIC 的工程应用作进一步说明. 虽然本节以产品设 计为例进行讨论 ,但有关思想和方法也可为 EIC 的 其他各种工程应用提供一定借鉴和参考. 设计过程的本质是对设计问题进行求解的过 程 ,此外在设计过程中 ,设计对象 ———产品经历的是 一个演化过程. 作为问题求解和信息处理的新范式 , EIC 不仅可以为产品设计过程中各种复杂设计问题 的求解提供有力支持 ,还可以为产品的演化机制提 供灵感和借鉴 ,从而支持设计过程中产品的逐步演 化. 由于基于 EIC 的产品设计借鉴了生物免疫系统 运行机制中所蕴涵的信息处理模式和计算模式 ,从 而为产品设计提供智能支持 ,因此基于 EIC 的产品 设计可简单称之为免疫设计. 下面分别从面向问题 求解的免疫设计和面向产品演化的免疫设计 2 个方 面对免疫设计方法进行阐述. 411 面向问题求解的免疫设计 设计过程的本质就是对设计问题进行求解的过 程. 传统的设计过程问题求解方法有试错法、枚举 法、解析法、分治法和启发式方法等 ,它们都有各自 的局限性. 随着仿生计算等新一代人工智能技术的 兴起和发展 ,基于仿生计算技术的设计问题求解已 经成为当前设计过程问题求解的一种重要途径. EIC 致力于研究和探索面向复杂工程实际问题 求解的免疫计算方法 ,其核心是将各种工程应用问 题通过抽象或转换归结为典型的工程问题 ,然后结 合 AIS 的原理与技术进行求解. 本文第 3 节根据目 前 AIS 的应用状况 ,将工程实际中的各种应用问题 进行聚类归纳得到识别、优化、学习、控制、决策和协 同 6 大类典型工程问题. 实际上 ,在产品设计领域 中 ,虽然产品设计的具体问题各种各样 ,其要求和目 标也各不相同 ,但是产品设计中潜在的适于用 EIC 进行求解的各种应用问题经过抽象或转换 ,也可以 概括归纳为上述 6 大类工程问题. 因此 ,面向设计问 题求解的免疫设计就是指基于 EIC 方法对产品设 计中经过抽象或转换得到的识别、优化、学习、控制、 决策和协同等 6 大类典型工程问题进行求解 ,下面 将分别进行简要分析与说明. 1) 优化问题在产品设计领域中普遍存在 ,而组 合优化、多峰函数优化、动态多目标优化、复杂约束 优化和非线性优化等问题至今仍没有较好的求解方 法. EIC 的诸多仿生机理 ,如免疫记忆、克隆选择、免 疫网络、抗体多样性和疫苗接种等都具有寻优的特 征或者有利于实现寻优 ,从而使得 EIC 具有强大的 寻优能力 ,能够为优化问题尤其是复杂优化问题的 求解提供新的途径和方法. 2) 识别是指对事物或现象进行辨识 ,其过程主 要包括特征提取、训练和匹配等环节 ,EIC 的免疫识 别、免疫网络和克隆选择等仿生机理以及各种免疫 识别算法[3 ,24 ]可为设计方案和产品实例等的识别提 供有效方法. 3) 学习包含由低到高的 3 个层次 ,首先是常规 学习 ,它又可进一步分为聚类学习和分类学习 ;其次 是基于免疫记忆机制的联想学习 ;第 3 个层次是突 现创新式学习 ,这是实现起来难度颇大的一种学习 方式. 以免疫学习为代表的 EIC 仿生机理及各种免 疫学习算法[14 - 15 ,25 - 27 ]使 EIC 可以为各种学习方式 提供参考范例 ,可为产品族设计中客户需求以及核 心平台的聚类分析以及设计方案和产品实例的联想 记忆等提供支持. 4) 决策问题在产品设计中也广泛存在 ,如设计 方案的评价和决策等. 简单来讲 ,决策就是依据一定 标准 ,从若干备选方案中选择一个最优方案. 基于免 疫策略的决策算法[28 - 29 ] 为决策问题的有效解决提 供了新的思路和方法 ,适合于用 EIC 求解的决策问 题包括群体决策和多目标决策等. 5) 免疫系统通过各种免疫细胞之间的协同效应 完成免疫应答任务 ,其中蕴涵和体现了分工协作的 思想 ,并被成功用于解决机器人技术领域中的协同 问题 ,如多机器人系统群体控制[29 - 30 ] 等. 协同设计 体现了并行工程的思想 ,是现代产品设计的重要方 法之一. 借助免疫网络和分布式等 EIC 仿生机理以 及免疫系统的自组织、自适应和群体突现等特性进 行基于免疫策略的协同设计是一项值得探讨和富有 意义的研究工作. 例如 ,可以考虑将 EIC 和分布式 人工智能的研究成果 ———多智能主体系统相结合 , 构造免疫 - 多智能主体系统进行协同设计中设计方 案的协同决策. 具体地 ,可以将协同设计小组中的各 个设计专家分别对应于一个智能主体 ,然后利用免 疫机理构造单个智能主体的行为规则以及各智能主 体之间的通信、协调和协作策略 ,并利用抗原 (对应 于设计要求和设计目标) 和抗体(对应于专家的设计 方案) 之间的相互作用以及抗体之间的促进和抑制 作用 ,实现协同设计小组中各设计专家的设计方案 的协同决策. 6) 控制可以分为多种类型 ,如经典的反馈控制 以及现代控制理论中的自适应控制、最优控制、分布 式控制和神经控制等. 除此之外 ,系统辨识也是控制 第 6 期 肖人彬 ,等 :工程免疫计算 :基本概念与研究框架 ·33 ·