??? 摘? 要： 基于生物免疫系統(tǒng)機理開發(fā)的人工免疫系統(tǒng)是繼人工神經(jīng)網(wǎng)絡(luò)、進化計算之后的又一研究熱點。本文簡要介紹了人工免疫系統(tǒng)的特點和研究內(nèi)容，將其與人工神經(jīng)網(wǎng)絡(luò)、進化計算進行了比較和分析，綜述了人工免疫系統(tǒng)的最新研究成果并對下一步的研究方向做了探討。
??? 關(guān)鍵詞： 人工免疫系統(tǒng)? 人工神經(jīng)網(wǎng)絡(luò)? 進化算法
?
??? 多年來，包括人類自身在內(nèi)的自然界生物體系的智能行為一直是科學家們所關(guān)注和研究的對象，其中一個重要研究領(lǐng)域是生物信息處理系統(tǒng)。由生物引發(fā)的信息處理系統(tǒng)可分為：腦神經(jīng)系統(tǒng)(人工神經(jīng)網(wǎng)絡(luò)ANN，Artificial Neural Networks)、遺傳系統(tǒng)(進化計算EA，Evolutionary Algorithm)和免疫系統(tǒng)(人工免疫系統(tǒng)AIS，Artificial Immune System)。其中，人工神經(jīng)網(wǎng)絡(luò)和進化計算已被廣泛應(yīng)用于各個領(lǐng)域，而人工免疫系統(tǒng)由于其復(fù)雜性沒有引起與神經(jīng)網(wǎng)絡(luò)和進化計算同等重視，目前國內(nèi)外的研究成果和應(yīng)用相對較少。
??? 人工免疫系統(tǒng)是對生物免疫系統(tǒng)的模擬，是借鑒和利用生物免疫系統(tǒng)的信息處理機制而發(fā)展的各類信息處理技術(shù)、計算技術(shù)以及在科學工程領(lǐng)域中應(yīng)用而產(chǎn)生的各種智能系統(tǒng)的統(tǒng)稱。人工免疫系統(tǒng)是一個跨學科的研究領(lǐng)域，是與生物免疫系統(tǒng)相對應(yīng)的工程概念。生物免疫系統(tǒng)是一個高度并行、分布、自適應(yīng)和自組織的系統(tǒng)，具有強大的信息處理能力，從而激起科學家們從中提取、發(fā)現(xiàn)免疫系統(tǒng)的有用機制，開發(fā)面向工程應(yīng)用的免疫系統(tǒng)計算模型——人工免疫系統(tǒng)。目前，人工免疫系統(tǒng)已發(fā)展成為計算智能研究中一個嶄新的分支，其應(yīng)用領(lǐng)域已經(jīng)逐漸擴展到了信息安全、模式識別、智能優(yōu)化、機器學習、數(shù)據(jù)挖掘、機器人學、自動控制、故障診斷等諸多領(lǐng)域， 顯示出人工免疫系統(tǒng)強大的信息處理和問題求解能力，具有廣闊的研究前景。
1? 人工免疫系統(tǒng)的特點和研究內(nèi)容
??? 免疫是指生物體抵御外部入侵，使其機體免受病原侵害的應(yīng)答反應(yīng)。免疫系統(tǒng)是由許多執(zhí)行免疫功能的器官、組織、細胞和分子等組成的復(fù)雜系統(tǒng)，其主要作用是能夠識別“自己”與“異己”物質(zhì)，進而清除病原體、有害異物等致病因素的侵害，實現(xiàn)免疫防衛(wèi)功能。免疫系統(tǒng)被稱為是人體的“第二大腦”，具有許多在工程領(lǐng)域有啟發(fā)意義的特點，如多樣性、分布性、動態(tài)性、適應(yīng)性、自我識別、學習、記憶等，這些特性啟發(fā)人們對免疫系統(tǒng)的仿生進行研究?；谏锩庖邫C理開發(fā)的人工免疫系統(tǒng)具有強大的魯棒性信息處理和解決復(fù)雜問題的能力。從工程角度上講，人工免疫系統(tǒng)具有許多有意義的特性。免疫計算系統(tǒng)結(jié)合先驗知識和免疫系統(tǒng)的適應(yīng)能力，給當前智能控制提供了一種強大的選擇，因此具有新穎的解決復(fù)雜問題的能力。從信息科學角度來講，人工免疫系統(tǒng)是一個杰出的并聯(lián)和分布的自適應(yīng)系統(tǒng)，它使用學習、記憶和關(guān)聯(lián)檢索來完成識別和分類任務(wù)，所以它具有強大的魯棒性信息處理能力，被認為是一個非常重要且非常有意義的研究方法。從生物角度來看，開發(fā)基于生物免疫系統(tǒng)的計算機模型有助于人們進一步認識和發(fā)展生物免疫學，將會帶給人類社會更大的進步。
??? 目前，人工免疫系統(tǒng)的研究內(nèi)容和范圍主要包括以下三個方面：
??? (1)免疫智能計算。從計算的觀點看，自然免疫系統(tǒng)是一種完全并行和分布的自適應(yīng)系統(tǒng)，具有進化學習、聯(lián)想記憶和模式識別等能力。免疫系統(tǒng)學習識別相關(guān)模式，記住以前見到的模式，用組合學高效地建立模式檢測器。自然免疫系統(tǒng)是發(fā)展解決智能問題技術(shù)的啟發(fā)源泉，研究人員已經(jīng)開發(fā)了許多基于免疫系統(tǒng)的算法、人工免疫網(wǎng)絡(luò)和計算系統(tǒng)及模型。
??? ①根據(jù)生物免疫系統(tǒng)原理開發(fā)新的智能計算算法，主要有陰性選擇算法、克隆選擇算法、免疫遺傳算法和免疫Agent算法以及其他用于優(yōu)化的免疫算法等，這些可統(tǒng)稱為免疫算法。這方面目前發(fā)展較活躍，也較迅速。
??? ②根據(jù)生物免疫系統(tǒng)原理建立免疫人工模型，包括人工免疫網(wǎng)絡(luò)模型和人工免疫系統(tǒng)模型兩種形式。前者如aiNET、免疫PDP網(wǎng)絡(luò)和免疫多值網(wǎng)絡(luò)等；后者如二進制免疫系統(tǒng)模型、骨髓模型等。各種免疫網(wǎng)絡(luò)學說，如獨特型網(wǎng)絡(luò)、互聯(lián)耦合免疫網(wǎng)絡(luò)等，可用于建立人工免疫網(wǎng)絡(luò)認知模型。目前應(yīng)用最廣的是獨特型網(wǎng)絡(luò)。
??? ③與人工神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)、遺傳算法等結(jié)合建立混合智能系統(tǒng)。如利用人工免疫系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)建立新型智能計算系統(tǒng)；利用免疫系統(tǒng)抗體多樣性的遺傳機制改進遺傳算法的優(yōu)化搜索。這方面整體發(fā)展比較緩慢，目前的研究主要集中在與神經(jīng)網(wǎng)絡(luò)和遺傳算法的混合應(yīng)用。
??? (2)免疫工程應(yīng)用研究。如利用生物免疫系統(tǒng)某一特性或某些特性解決特定工程問題的系統(tǒng)方法；還可以基于免疫學原理發(fā)展各種保安系統(tǒng)、疾病診斷系統(tǒng)、計算機安全和網(wǎng)絡(luò)入侵檢測系統(tǒng)、各種工業(yè)生產(chǎn)中的故障診斷、異常檢測系統(tǒng)等。
??? (3)人工免疫系統(tǒng)理論研究。借助數(shù)學模型、非線性、混沌、計算智能、智能主體等理論深入研究人工免疫系統(tǒng)的機制、免疫計算原理等。這方面的研究在近五年已經(jīng)取得一定進展。
??? 上述三方面是互相滲透的。目前，人工免疫系統(tǒng)研究手段和內(nèi)容及應(yīng)用領(lǐng)域涉及多個學科，包括醫(yī)學免疫學、計算機科學技術(shù)、計算智能、人工智能、模式識別、智能系統(tǒng)、控制理論與控制工程等，是典型的交叉學科，可借鑒的理論極為廣泛和豐富，因而發(fā)展起來的人工免疫系統(tǒng)形式也多種多樣。
2? 人工免疫系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)
??? 人工免疫系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)都是受生物啟發(fā)而產(chǎn)生的技術(shù)，由大量高性能單元組成，具有辨識、容噪、泛化、記憶以及通過競爭實現(xiàn)的并行分布處理能力。二者都能利用學習、記憶、聯(lián)想等機制解決辨識問題和分類任務(wù)，但其辨識和學習的內(nèi)在機制卻完全不同。人工免疫系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)的比較如表1所示。
?
??? 與神經(jīng)系統(tǒng)的一個根本性區(qū)別在于免疫系統(tǒng)與外部環(huán)境的相互作用。淋巴細胞能夠與外部抗原連接，或通過抗獨特型相互作用。在人工免疫系統(tǒng)中，學習通過受體親和力和淋巴細胞數(shù)目的變化來完成。人工神經(jīng)網(wǎng)絡(luò)則通過改變其連接權(quán)值，根據(jù)定義好的學習算法，學習合適的輸入數(shù)據(jù)，它更關(guān)心的是輸入和輸出之間大致的關(guān)系。其中免疫系統(tǒng)中親合度調(diào)整和神經(jīng)網(wǎng)絡(luò)權(quán)值修正的效果是類似的，都是為了增加系統(tǒng)對輸入模式的識別質(zhì)量。
3? 人工免疫系統(tǒng)與進化計算
??? 進化算法是基于達爾文的生物進化論而發(fā)展起來的一種計算智能方法，以產(chǎn)生于20世紀70年代的遺傳算法為代表，其主要特點是智能性和本質(zhì)并行性。由于免疫系統(tǒng)也是一種進化系統(tǒng)，因此基于該方法發(fā)展的免疫算法也具有搜索優(yōu)化功能。免疫算法和進化計算都是群體搜索策略，強調(diào)群體中個體之間的信息交換。因此它們之間有許多相似之處，如在算法結(jié)構(gòu)、本質(zhì)上的固有并行性以及主要的操作算子等方面，但它們也有下面一些區(qū)別。
??? (1)一般免疫算法起源于宿主和宿原之間的內(nèi)部競爭。它所相互作用的環(huán)境既包括外部環(huán)境也包括內(nèi)部環(huán)境；而遺傳算法起源于個體和自私基因之間的外部競爭。
??? (2)免疫算法評價標準是計算親合度，包括抗體-抗原的親合度以及抗體-抗體的親合度。免疫算法通過促進或抑制抗體的產(chǎn)生，體現(xiàn)了免疫反應(yīng)的自我調(diào)節(jié)功能，保證了個體的多樣性，反映了真實的免疫系統(tǒng)的多樣性。而進化算法則是簡單計算個體的適應(yīng)度，根據(jù)適應(yīng)度選擇父代個體，并沒有對個體多樣性進行調(diào)節(jié)，這也是將免疫策略用于改進進化算法的切入點。
??? (3)一般免疫算法中基因可以由個體自己選擇，而在遺傳算法中基因由環(huán)境選擇。
??? (4)一般免疫算法中，基因組合是為了獲得多樣性，通常不用交叉算子，因為免疫算法中基因是在同一代個體進行進化；而遺傳算法后代個體基因通常是父代基因交叉的結(jié)果，遺傳算法中，交叉用于混合基因。
4? 人工免疫系統(tǒng)的應(yīng)用
??? 目前人工免疫系統(tǒng)在眾多工程和科學領(lǐng)域中得到應(yīng)用，其主要應(yīng)用領(lǐng)域如下。
??? (1)控制工程。K KrishnaKumar等將“免疫神經(jīng)控制(INC)”用于復(fù)雜動力學系統(tǒng)的模型自適應(yīng)控制，效果良好[2]。Sasaki M等提出了一種基于免疫系統(tǒng)反饋機理的自適應(yīng)學習的神經(jīng)網(wǎng)絡(luò)控制器，避免了神經(jīng)網(wǎng)絡(luò)學習在最小值附近的擺動，提高了收斂速度[3]。丁永生等針對低階或高階對象，提出一種新穎的基于生物免疫系統(tǒng)反饋機理的通用控制器結(jié)構(gòu)[4]。李海峰等提出了以電力系統(tǒng)電壓調(diào)節(jié)為應(yīng)用目的的免疫系統(tǒng)的基本模型，演示了應(yīng)用于STATCOM的細胞免疫電壓調(diào)節(jié)器的控制作用。
??? (2)機器人。Dasgupta D基于人工免疫系統(tǒng)建立了多智能體決策系統(tǒng)[5]。Jin-Haying Jun等人工免疫系統(tǒng)在分布式自動機器人系統(tǒng)實現(xiàn)了協(xié)作和群行為。King R L等提出了一個用于智能體的人工免疫系統(tǒng)模型，并總結(jié)了人類免疫系統(tǒng)可用于人工免疫系統(tǒng)智能體的主要功能。
??? (3)信息安全。Forrest基于免疫系統(tǒng)的自己非己識別機理，首先提出了反向選擇算法， 用于檢測被保護的數(shù)據(jù)的改變。在病毒檢測方面，D′haeseleer使用陰性選擇算法來檢測被保護數(shù)據(jù)和程序文件的變化。Kephart提出了一種新的病毒檢測方法，它采用已知病毒的特征代碼序列來檢測已知病毒，而對未知病毒則通過系統(tǒng)中發(fā)現(xiàn)的異常行為加以檢測。
??? (4)故障監(jiān)測和診斷。Dasgupta D等將人工免疫系統(tǒng)用于工業(yè)生產(chǎn)中，進行加工工具破損監(jiān)測。劉樹林等受生物免疫系統(tǒng)自己—非己識別過程的啟發(fā)提出了反面選擇算法，在故障診斷應(yīng)用領(lǐng)域中改進了反面選擇算法，提出了對旋轉(zhuǎn)機械在線故障診斷的新方法。杜海峰等還將ART—人工免疫網(wǎng)絡(luò)用于解決多級往復(fù)式壓縮機故障診斷，效果良好。
??? 人工免疫系統(tǒng)除了以上應(yīng)用外，還被用于模式識別、機器學習、噪聲控制、決策支持系統(tǒng)、人工智能、多智能體、數(shù)據(jù)分析等領(lǐng)域。
5? 總結(jié)與展望
??? 由于人工免疫系統(tǒng)具有獨特的分布式、自適應(yīng)、自組織系統(tǒng)功能和并行、魯棒的信息處理能力，因此是一個非常重要和有意義的研究方向。目前對它的研究正沿著加深基礎(chǔ)理論研究，加強技術(shù)融合，拓寬應(yīng)用領(lǐng)域的方向發(fā)展。近年來人工免疫系統(tǒng)雖然得到迅速發(fā)展，但與神經(jīng)網(wǎng)絡(luò)和遺傳算法等智能方法相比，人工免疫系統(tǒng)的研究還處于初級階段。需要進一步深入研究的主要方向有：
??? (1)加深基礎(chǔ)理論研究。由于缺乏有力的理論指導(dǎo)，使得目前對人工免疫系統(tǒng)的研究僅僅局限于對生態(tài)免疫系統(tǒng)某一機理的仿真和應(yīng)用，對它的穩(wěn)定性和動力學分析還未涉及。因此，建立人工免疫系統(tǒng)的數(shù)學模型，研究它的理論基礎(chǔ)，對深刻認識人工免疫系統(tǒng)的性能和本質(zhì)具有重要意義。
??? (2)以開發(fā)新型智能系統(tǒng)方法為背景，研究基于免疫系統(tǒng)機理的智能系統(tǒng)理論和技術(shù)，將人工免疫系統(tǒng)與模糊系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和遺傳算法等軟計算技術(shù)進行集成，發(fā)展各種免疫計算智能，并給出其應(yīng)用方法。
??? (3)結(jié)合迅速發(fā)展的計算機網(wǎng)絡(luò)技術(shù)及數(shù)據(jù)庫技術(shù)，進一步發(fā)展和擴大人工免疫系統(tǒng)在科學和工程領(lǐng)域中的應(yīng)用。重點在免疫的分布性、魯棒性、自適應(yīng)性及容錯性等方面的應(yīng)用研究，如：分布式故障檢測、分布式反饋控制、噪聲耐受、數(shù)據(jù)挖掘等。
??? 人工免疫系統(tǒng)是一個新興的研究領(lǐng)域， 隨著它的進一步深入研究及其與其他智能方法的融合， 必將為智能優(yōu)化計算、智能控制、模式識別、計算機安全等領(lǐng)域的研究提供新的強有力的工具。
參考文獻
1?? 莫宏偉.人工免疫系統(tǒng)原理與應(yīng)用[M].哈爾濱：哈爾濱工業(yè)大學出版社，2002
2?? Kuma K K，Neidhoefer J.Immunized adaptive critics for level intelligent control[A].In：Proceedings of the IEEE International Conference on Systems，Man and Cybernetics[C].Institute of Electrical and Electronics Engineers，Incorporated，1997
3?? Sasaki M，Kawafuku M，Takahashi K.An immune feedback mechanism based adaptive learning of neural network controller[A].In：ICONIP′99，6th International Conference on Neural Information Processing[C].IEEE Computer Society Press，1999
4?? 丁永生，任立紅.一種新穎的模糊自調(diào)整免疫反饋控制系統(tǒng)控制與決策，2000；15(4)
5?? Dasgupta D.An Artificial Immune System as A multi AgentDecision Support System.In：IEEE International Conference on Systems，Man and Cybernetics[C].of Electrical and Electronies Engineers，Incorporated，1998
6?? Jun J H，Lee D W，Sim K B.Realization of Commperative Strategies and Swarm Behavior in distributed autonomous robotic Systems using artificial immune system.In： IEEE SMC′99 Conference Proceedings，International Conference on Systems，Man and Cybernetics[C]，Institute of Electrical and Electronics Engineers，Incorporated，1999
7?? Forrest S，Perelson A S，Allen L.Self-Nonself Discrimination in a Computer[A].In：Proceedings of IEEE Symposium on Research in Security and Privacy[C].Oakland，1994
8?? Dasgupta D，F(xiàn)orrest S.Artificial immune systems in Industrial applications[A].In：IPMM′99.Proceedings of the Second International Conference on Intelligent Processing and? Manufacturing of Materials[C]，1999