人工免疫系统研究

原霞飞 刘希玉 刘凤鸣

山东师范大学管理与经济学院 山东 250014

0 引言

自然免疫系统是一种复杂的分布式信息处理学习系统，具有较强的自适应性、多样性、学习、识别和记忆等特点，这些特点能为工程问题的解决提供新方法，因此引起国内外很多学者对模式识别、人工智能、自动控制和机器人等相关领域的研究。而人工免疫系统作为人工智能领域的重要分支，同神经网络及遗传算法一样是智能信息处理的重要手段，同样受到越来越多的关注。

1 免疫系统概述

所谓人工免疫系统(Artificial Immune System,AIS)就是借鉴和利用生物免疫系统(主要是人类的免疫系统)的各种原理和机制而发展的各类信息处理技术、计算技术及其在工程和科学中应用而产生的各种智能系统的统称。

现代免疫学的发展已经证明高等动物和人体内存在一套完整的免疫系统，它主宰和执行机体的免疫功能，是机体发生免疫应答的物质基础。免疫系统是由免疫器官、免疫细胞和免疫分子组成的复杂系统。免疫系统固有的特性包括多样性、分布性、适应性、自我监测、错误耐受等，这些特性大多是人工智能系统所缺乏的特性，是研究的重要方向。

2 常见的免疫算法

2.1 人工免疫网络模型

目前，比较有影响的人工免疫网络模型是 Timmis等的资源受限人工免疫系统(RLAIS)和deCasto等的aiNet。资源受限人工免疫系统中提出了人工识别球(ARB)的概念。Timmis认为人工免疫系统是由固定数量的ARB组成。ARB的作用和B系统的功能相似的，ARB受到的刺激包括：抗原的刺激，邻近抗体的刺激，邻近抗体的抑制等；de Casto的aiNet算法模拟免疫网络对抗原刺激的刺激过程，主要包括抗原-抗体的识别，免疫克隆增值，亲和度成熟等。

2.2 否定选择算法

Forrest等根据免疫系统的自己/非己的区别原则，研究了一种检测变化的否定选择算法。否定选择算法是基于生物免疫系统的特异性，借鉴生物免疫系统胸腺T细胞生成时的“阴性选择”，它适用于计算机病毒检测，基于主机的入侵检测和网络安全。检测成功的关键是系统能够分清自己和非己的信息，删除检测到自己的检测器，保留测到非己的检测器。利用该算法进行计算机网络入侵检测的优点是可移动性、自适应性和合作性。

2.3 克隆算法

最具代表性的是de Castro 以及Kim 等提出的克隆选择算法(CSA)，流程图和算法如下：

（1）生成候选解集P，P是由记忆单元(M)和保留种群；

（2）根据亲和度测量，选择n个个体(Pn)；

（3）复制上述n个个体，生成临时克隆种群©，克隆规模和抗体-抗原的亲和度成正比；

（4）对克隆临时种群进行高频变异，得到变异后的抗体群(C*)；

（5）从(C*)中选择改进的个体组成记忆单元 M，P中的一些个体(C*)中其他改进的个体取代；

（6）利用先产生的抗体代替d个旧抗体。亲和度低的抗体更容易被取代。

2.4 免疫进化算法

进化算法作为一种有向随机搜索的方法，在应用中存在一些需要改进之处：无法保证收敛到全局最优解，过早收敛，算法的稳定性和收敛速度的关系等。将免疫算法的特性引入进化算法，称为免疫进化算法。

2.4.1 利用先验知识的免疫算法

在遗传算法中引入免疫概念，利用问题的先验知识，保留了原算法的优良特性，同时引入了免疫算子，根据待求问题的特征或知识，提取疫苗来抑制优化过程中出现的退化现象。这种方法的优点：与一般的遗传算法相比，可较好的解决以后算法中出现的退化现象，提高了收敛速度。

2.4.2 利用抗体多样性的免疫遗传算法

根据免疫系统抗体的多样性特征，在进化过程中，具有高抗原亲和度并且浓度较低的抗体受到促进，被选择的概率较大；而低抗原亲和度并且浓度较高的抗体会受到抑制，被选择的概率较小，这样可以保证抗体的多样性。

2.5 动态规模免疫算法

（4）对An1中的每一个抗体Ab按突变率α突变；

（5）消除新产生群体中的相同的抗体，未被削去的抗体构成An2；

利用小生境概念，选择算法的部分机制，借助抗体浓度，设计抗体评价策略和特定的免疫算子，解决多模态函数优化问题。

该算法描述如下：

（1）确定进化代数n，随机产生规模为N的初始群体An；（2）复制A中激励度最高的一个抗体作为抗原Agn；

（3）选择

（8）若满足终止条件，则最终的抗原即为最优解，否则，返回第二步。

3 人工免疫系统方法的应用研究

近年来，基于免疫系统原理开发的各种模型和算法广泛的应用在科学研究和工程实践中，主要的应用领域如下。

3.1 自动控制

免疫系统由于具有免疫抗原识别、抗原记忆和抗体的抑制和促进等特点，能够对外界物质有较好的快速反应性和稳定性，在处理动态环境中具有一定的优越性。因此在控制系统常用来解决模式识别问题等。Krishna Kumar 等将免疫神经控制用于动力学系统模型自适应控制。丁永生等提出针对低级或高级对象，提出了一种新颖的人基于生物免疫系统的反馈记录的通用控制器结构Kim用免疫网络算法优化PID控制器参数，实现了非线性对象的自适应PID控制。

3.2 网络安全方面

网络安全是人工免疫系统研究和应用最成功和最多的领域。防御异常入侵和病毒等可从免疫机制中获得启发。Forrest提出了著名的否定选择算法也是该领域提出的。杨晓宇等对AIS与网络安全相结合的基因计算机进行讨论，认为智能模拟在网络安全方面的应用前景广阔。

3.3 机器人

利用免疫系统的自学习、自适应和免疫记忆等特征，将免疫强化学习应用于机器人系统，优化机器人的行为选择。目前免疫算法主要用于机器人的路径规划问题，另外也可用仿生控制，仿生计算、多机器协作等方面。Meshref等利用免疫系统对外部环境变化的敏感特性改进DNA算法，用“狗-羊”问题的实验结果表明，改进的DNA算法适用于解决分布式自动机器人系统问题，刘克胜等基于免疫学的细胞克隆学说和网络调节理论，提出了能有效增强自律移动机器人在动态环境中自适应能力的新算法等。

3.4 智能优化

AIS在函数优化、组合优化、调度问题等方面得到应用并取得了很好的效果。如约束搜索优化、旅行商问题、函数测试等。免疫遗传算法可以实现TSP优化，解决CDMA中的多用户检测问题等。免疫算法取得了比现有的启发式算法更好的求解结果，尤其是在求解的效率方面，显示出AIS在智能优化领域具有广阔的应用前景。

3.5 故障诊断

人工免疫系统是对生物免疫系统的模拟，具备“自己-非己”识别能力。另外免疫系统是一个高度的并行处理系统，具有学习能力、记忆能力，这些能力协同激励、多样性、适应性等将对故障诊断领域的研究提供新思想和新方法。

除了上述的应用，AIS知识挖掘、数据和图像处理、噪声耐受以及金融风险预测等方面也有应用。

4 今后的研究方向

AIS具有很广泛的应用领。但是由于免疫系统机理复杂，系统庞大并且可以借鉴的成果不是很多，因此人工免疫系统在模型建立以及算法等方面都存在诸多问题，另外从免疫系统机理角度看，获得初始抗体的计算量很大，数据处理过程中只能浓缩数据样本。所以AIS具有很大的发展空间，值得深入研究，在现阶段研究的基础上，日后的研究方向主要包括。

4.1 研究免疫系统的机理，为新算法的提出奠定基础

必须加强对包括一般原理、定理以及数学模型等的理论研究，针对人工免疫系统机理进行研究学习，提出新的算法，或者对现有的算法的改进，使之达到更好的效果。

4.2 积极拓展免疫系统的研究领域

结合现代计算机网络技术的发展，重点利用免疫的自适应性、容错性、分布性等进一步扩大AIS的在工程上的应用，进一步研制如在复杂系统中的协调控制、签名确认，故障检测和诊断等方面的实际产品。

4.3 进一步针对现有方法进行改进，强化对人工免疫系统的智能整合研究

由于免疫系统是一个相对复杂的系统，因此有必要加强其和神经系统，内分泌系统等相互联系的研究。研究基于生物免疫系统机理的智能系统，同时将AIS 与模糊系统、神经系统和遗传算法等软计算技术进行集成，并找出应用的方法。

[1] 莫宏伟.人工免疫系统原理与应用[M].哈尔滨工业大学出版社.2003.

[2] 王重庆.分析免疫学基础[M].北京大学出版社.1999.

[3] 丁永生,任立红.一种新颖的模糊自调整免疫反馈控系统.控制与决策.2000.

[4] D.H.Kim,Tuning of a PID Controller Using Immune Network Model and Fuzzy Set [J].Proceedings of IEEE International Symposium on Industrial Electronics.2001.

[5] 杨晓宇,周佩玲,傅忠谦.人工免疫与网络安全.计算机仿真.2001.

[6] 刘克胜,张军,曹先彬,王煦法.一种基于免疫原理的自律机器人行为控制算法[J].计算机工程与应用.2000.

[7] 王煦法,张显俊,曹先彬,张军,冯雷.一种基于免疫原理的遗传算法[J].小型微型计算机系统.1999.

[8] 刘克胜,曹先彬,郑浩然,王煦法.基于免疫算法的 TSP问题求解[J].计算机工程.2000.

[9] 牛志强,刘峥嵘,吴新余.基于免疫算法的智能多用户检测技术在CDMA中的应用[J].江苏通信技术.2001.

[10] 肖人彬,王磊.人工免疫系统:原理、模型、分析及展望[J].计算机学报报.2002.