·32 智能系统学报 第2卷 免疫计算和其他智能计算方法的真正融合.例如，可 表2EC各类工程问题对应的典型应用问题 以考虑将粒子群算法中邻域的有关思想引入免疫计 Table 2 Kinds of engineering problems of EIC and their 算，从而实现个体之间的信息共享和利用；也可以考 typical a pplication problems 虑在免疫计算中利用蚁群算法中信息素的有关思想 工程问题 应用问题 为解的搜索提供线索和暗示」 3.3工程免疫计算的工程应用 识别 病毒检测、传感器故障诊断 如前所述，EIC在解决工程领域中的实际问题 优化 形状优化、加工路径规划 时，首先将待求解的具体应用问题抽象或转换为典 学习 数据聚类、图像分割 型的工程问题，然后再结合AIS的相关原理和技术 控制 马达移动控制、噪声抑制 对得到的工程问题进行求解.因此，EIC的工程应用 决策 机器人路径规划、设计方案决策 包括3个部分，即EIC的应用领域、EIC的应用问题 协同 多机器人群体控制、协同设计 和工程问题」 3.3.1EIC的应用领域和应用问题 工程问题的求解是基于由EIC仿生机理映射 自从Farmeri]等首次将免疫机理和人工智能 得到的各种免疫算法实现的，而EIC仿生机理在问 方法结合从而为基于免疫策略解决工程实际问题做 题求解过程中直接或者间接地起作用识别是免疫 出开拓性工作以来，免疫系统的许多机理和特性已 系统在工程中最直接的应用，它主要利用的EIC仿 经在工程中获得了广泛应用，涉及诸多应用领域和 生机理是免疫识别，识别或匹配是该仿生机理直接 应用问题.EIC应用领域从工程的角度提供了EIC 作用的结果.与识别不同，优化、学习、控制、决策和 应用的范围，而EIC应用问题则是指各个应用领域 协同等工程问题则一般利用多种EIC仿生机理综 中潜在的可用EC求解的具体问题.根据目前发展 合作用表现出的某种能力对问题进行求解，仿生机 情况来看，EIC的应用领域主要有信息安全、故障诊 理所起的作用是间接的.例如，复杂优化问题的求解 断、机器人技术、自动控制、数据处理、图像处理、产 通常借助免疫记忆、克隆选择、免疫网络、抗体多样 品设计与制造等，表1简单列举了以上各领域中 性和疫苗接种等多种EIC仿生机理4,9,12,1.23】 EIC的典型应用问题 免疫优化算法所具有的强大寻优能力正是各种仿生 机理综合、间接作用的结果 表1EIC的应用领域及其典型应用问题 3.4工程免疫计算的理论分析和实现方法 Tible 1 Application fields and typical application problems of EIC EIC的理论分析是指对EIC的各种算法进行 应用领域 应用问题 数学上的分析，包括对算法进行的收敛性、收敛速 信息安全 网络入侵检测、病毒检测 度、稳定性、计算复杂度和鲁棒性等方面的分析，有 关工作不仅能够为EC奠定理论基础，同时还可以 故障诊断 传感器故障诊断、在线设备故障诊断 为各种算法的评价和改进提供理论依据.EIC的实 机器人技术 路径规划、多机器人群体控制 现方法构成EIC的方法学，它讨论如何设计和开发 一个面向工程实际问题求解的免疫算法，涉及的主 自动控制 马达移动控制、噪声抑制 要内容包括EIC算法设计应该遵循的原则、EIC算 数据处理 数据压缩、数据挖掘 法的组成要素及其确定方法、EIC的基本实现步骤 以及每一步骤中应该考虑的问题等.EIC的理论分析 图像处理 符号和文字的识别、图像分割 和实现方法分别为EIC提供理论支持和方法指导， 产品设计 形状优化、布局设计 4 基于工程免疫计算的产品设计 产品制造 车间调度加工路径规划 EIC具有丰富的仿生机理，如免疫识别、免疫学 习、免疫记忆、克隆选择、免疫网络、抗体多样性、免 3.3.2工程问题 疫调节、免疫反馈、分布式、疫苗接种、免疫耐受和免 如前所述，本文根据EIC目前的应用状况，将 疫代谢等，从而一方面使得EC具有很强的学习、 EIC工程领域中的各种应用问题聚类归纳为六大类 识别、记忆及特征提取等能力，提供了一种强大的信 典型的工程问题，即识别、优化、学习、控制、决策和 息处理和问题求解范式，另一方面也使得EIC也具 协同.表2简单列举了各类工程问题所对应的典型 有分布式、并行性、自学习、自适应、自组织、全局优 应用问题 化性、鲁棒性和涌现性等诸多优良特性.由于EIC 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net免疫计算和其他智能计算方法的真正融合. 例如 ,可 以考虑将粒子群算法中邻域的有关思想引入免疫计 算 ,从而实现个体之间的信息共享和利用 ;也可以考 虑在免疫计算中利用蚁群算法中信息素的有关思想 为解的搜索提供线索和暗示. 313 工程免疫计算的工程应用 如前所述 ,EIC 在解决工程领域中的实际问题 时 ,首先将待求解的具体应用问题抽象或转换为典 型的工程问题 ,然后再结合 AIS 的相关原理和技术 对得到的工程问题进行求解. 因此 ,EIC 的工程应用 包括 3 个部分 ,即 EIC 的应用领域、EIC 的应用问题 和工程问题. 31311 EIC 的应用领域和应用问题 自从 Farmer [19 ]等首次将免疫机理和人工智能 方法结合从而为基于免疫策略解决工程实际问题做 出开拓性工作以来 ,免疫系统的许多机理和特性已 经在工程中获得了广泛应用 ,涉及诸多应用领域和 应用问题. EIC 应用领域从工程的角度提供了 EIC 应用的范围 ,而 EIC 应用问题则是指各个应用领域 中潜在的可用 EIC 求解的具体问题. 根据目前发展 情况来看 ,EIC 的应用领域主要有信息安全、故障诊 断、机器人技术、自动控制、数据处理、图像处理、产 品设计与制造等 ,表 1 简单列举了以上各领域中 EIC 的典型应用问题. 表 1 EIC的应用领域及其典型应用问题 Table 1 Application fields and typical application problems of EIC 应 用 领 域 应 用 问 题 信息安全 网络入侵检测、病毒检测 故障诊断 传感器故障诊断、在线设备故障诊断 机器人技术 路径规划、多机器人群体控制 自动控制 马达移动控制、噪声抑制 数据处理 数据压缩、数据挖掘 图像处理 符号和文字的识别、图像分割 产品设计 形状优化、布局设计 产品制造 车间调度、加工路径规划 31312 工程问题 如前所述 ,本文根据 EIC 目前的应用状况 ,将 EIC 工程领域中的各种应用问题聚类归纳为六大类 典型的工程问题 ,即识别、优化、学习、控制、决策和 协同. 表 2 简单列举了各类工程问题所对应的典型 应用问题. 表 2 EIC各类工程问题对应的典型应用问题 Table 2 Kinds of engineering problems of EIC and their typical application problems 工 程 问 题 应 用 问 题 识 别 病毒检测、传感器故障诊断 优 化 形状优化、加工路径规划 学 习 数据聚类、图像分割 控 制 马达移动控制、噪声抑制 决 策 机器人路径规划、设计方案决策 协 同 多机器人群体控制、协同设计 工程问题的求解是基于由 EIC 仿生机理映射 得到的各种免疫算法实现的 ,而 EIC 仿生机理在问 题求解过程中直接或者间接地起作用. 识别是免疫 系统在工程中最直接的应用 ,它主要利用的 EIC 仿 生机理是免疫识别 ,识别或匹配是该仿生机理直接 作用的结果. 与识别不同 ,优化、学习、控制、决策和 协同等工程问题则一般利用多种 EIC 仿生机理综 合作用表现出的某种能力对问题进行求解 ,仿生机 理所起的作用是间接的. 例如 ,复杂优化问题的求解 通常借助免疫记忆、克隆选择、免疫网络、抗体多样 性和疫苗接种等多种 EIC 仿生机理[4 ,9 ,11 - 12 ,18 - 23 ] , 免疫优化算法所具有的强大寻优能力正是各种仿生 机理综合、间接作用的结果. 314 工程免疫计算的理论分析和实现方法 EIC 的理论分析是指对 EIC 的各种算法进行 数学上的分析 ,包括对算法进行的收敛性、收敛速 度、稳定性、计算复杂度和鲁棒性等方面的分析 ,有 关工作不仅能够为 EIC 奠定理论基础 ,同时还可以 为各种算法的评价和改进提供理论依据. EIC 的实 现方法构成 EIC 的方法学 ,它讨论如何设计和开发 一个面向工程实际问题求解的免疫算法 ,涉及的主 要内容包括 EIC 算法设计应该遵循的原则、EIC 算 法的组成要素及其确定方法、EIC 的基本实现步骤 以及每一步骤中应该考虑的问题等. EIC 的理论分析 和实现方法分别为 EIC 提供理论支持和方法指导. 4 基于工程免疫计算的产品设计 EIC 具有丰富的仿生机理 ,如免疫识别、免疫学 习、免疫记忆、克隆选择、免疫网络、抗体多样性、免 疫调节、免疫反馈、分布式、疫苗接种、免疫耐受和免 疫代谢等 ,从而一方面使得 EIC 具有很强的学习、 识别、记忆及特征提取等能力 ,提供了一种强大的信 息处理和问题求解范式 ;另一方面也使得 EIC 也具 有分布式、并行性、自学习、自适应、自组织、全局优 化性、鲁棒性和涌现性等诸多优良特性. 由于 EIC ·32 · 智 能 系 统 学 报 第 2 卷