摘   要： 基于生物免疫系统机理开发的人工免疫系统是继人工神经网络、进化计算之后的又一研究热点。本文简要介绍了人工免疫系统的特点和研究内容，将其与人工神经网络、进化计算进行了比较和分析，综述了人工免疫系统的最新研究成果并对下一步的研究方向做了探讨。
关键词： 人工免疫系统  人工神经网络  进化算法

　　多年来，包括人类自身在内的自然界生物体系的智能行为一直是科学家们所关注和研究的对象，其中一个重要研究领域是生物信息处理系统。由生物引发的信息处理系统可分为：脑神经系统(人工神经网络ANN，Artificial Neural Networks)、遗传系统(进化计算EA，Evolutionary Algorithm)和免疫系统(人工免疫系统AIS，Artificial Immune System)。其中，人工神经网络和进化计算已被广泛应用于各个领域，而人工免疫系统由于其复杂性没有引起与神经网络和进化计算同等重视，目前国内外的研究成果和应用相对较少。
人工免疫系统是对生物免疫系统的模拟，是借鉴和利用生物免疫系统的信息处理机制而发展的各类信息处理技术、计算技术以及在科学工程领域中应用而产生的各种智能系统的统称。人工免疫系统是一个跨学科的研究领域，是与生物免疫系统相对应的工程概念。生物免疫系统是一个高度并行、分布、自适应和自组织的系统，具有强大的信息处理能力，从而激起科学家们从中提取、发现免疫系统的有用机制，开发面向工程应用的免疫系统计算模型——人工免疫系统。目前，人工免疫系统已发展成为计算智能研究中一个崭新的分支，其应用领域已经逐渐扩展到了信息安全、模式识别、智能优化、机器学习、数据挖掘、机器人学、自动控制、故障诊断等诸多领域， 显示出人工免疫系统强大的信息处理和问题求解能力，具有广阔的研究前景。
1  人工免疫系统的特点和研究内容
　　免疫是指生物体抵御外部入侵，使其机体免受病原侵害的应答反应。免疫系统是由许多执行免疫功能的器官、组织、细胞和分子等组成的复杂系统，其主要作用是能够识别“自己”与“异己”物质，进而清除病原体、有害异物等致病因素的侵害，实现免疫防卫功能。免疫系统被称为是人体的“第二大脑”，具有许多在工程领域有启发意义的特点，如多样性、分布性、动态性、适应性、自我识别、学习、记忆等，这些特性启发人们对免疫系统的仿生进行研究。基于生物免疫机理开发的人工免疫系统具有强大的鲁棒性信息处理和解决复杂问题的能力。从工程角度上讲，人工免疫系统具有许多有意义的特性。免疫计算系统结合先验知识和免疫系统的适应能力，给当前智能控制提供了一种强大的选择，因此具有新颖的解决复杂问题的能力。从信息科学角度来讲，人工免疫系统是一个杰出的并联和分布的自适应系统，它使用学习、记忆和关联检索来完成识别和分类任务，所以它具有强大的鲁棒性信息处理能力，被认为是一个非常重要且非常有意义的研究方法。从生物角度来看，开发基于生物免疫系统的计算机模型有助于人们进一步认识和发展生物免疫学，将会带给人类社会更大的进步。
　　目前，人工免疫系统的研究内容和范围主要包括以下三个方面：
　　(1)免疫智能计算。从计算的观点看，自然免疫系统是一种完全并行和分布的自适应系统，具有进化学习、联想记忆和模式识别等能力。免疫系统学习识别相关模式，记住以前见到的模式，用组合学高效地建立模式检测器。自然免疫系统是发展解决智能问题技术的启发源泉，研究人员已经开发了许多基于免疫系统的算法、人工免疫网络和计算系统及模型。
　　①根据生物免疫系统原理开发新的智能计算算法，主要有阴性选择算法、克隆选择算法、免疫遗传算法和免疫Agent算法以及其他用于优化的免疫算法等，这些可统称为免疫算法。这方面目前发展较活跃，也较迅速。
　　②根据生物免疫系统原理建立免疫人工模型，包括人工免疫网络模型和人工免疫系统模型两种形式。前者如aiNET、免疫PDP网络和免疫多值网络等；后者如二进制免疫系统模型、骨髓模型等。各种免疫网络学说，如独特型网络、互联耦合免疫网络等，可用于建立人工免疫网络认知模型。目前应用最广的是独特型网络。
　　③与人工神经网络、模糊系统、遗传算法等结合建立混合智能系统。如利用人工免疫系统、人工神经网络、模糊系统建立新型智能计算系统；利用免疫系统抗体多样性的遗传机制改进遗传算法的优化搜索。这方面整体发展比较缓慢，目前的研究主要集中在与神经网络和遗传算法的混合应用。
　　(2)免疫工程应用研究。如利用生物免疫系统某一特性或某些特性解决特定工程问题的系统方法；还可以基于免疫学原理发展各种保安系统、疾病诊断系统、计算机安全和网络入侵检测系统、各种工业生产中的故障诊断、异常检测系统等。
　　(3)人工免疫系统理论研究。借助数学模型、非线性、混沌、计算智能、智能主体等理论深入研究人工免疫系统的机制、免疫计算原理等。这方面的研究在近五年已经取得一定进展。
　　上述三方面是互相渗透的。目前，人工免疫系统研究手段和内容及应用领域涉及多个学科，包括医学免疫学、计算机科学技术、计算智能、人工智能、模式识别、智能系统、控制理论与控制工程等，是典型的交叉学科，可借鉴的理论极为广泛和丰富，因而发展起来的人工免疫系统形式也多种多样。
2  人工免疫系统与人工神经网络
　　人工免疫系统和人工神经网络都是受生物启发而产生的技术，由大量高性能单元组成，具有辨识、容噪、泛化、记忆以及通过竞争实现的并行分布处理能力。二者都能利用学习、记忆、联想等机制解决辨识问题和分类任务，但其辨识和学习的内在机制却完全不同。人工免疫系统与人工神经网络的比较如表1所示。

　　与神经系统的一个根本性区别在于免疫系统与外部环境的相互作用。淋巴细胞能够与外部抗原连接，或通过抗独特型相互作用。在人工免疫系统中，学习通过受体亲和力和淋巴细胞数目的变化来完成。人工神经网络则通过改变其连接权值，根据定义好的学习算法，学习合适的输入数据，它更关心的是输入和输出之间大致的关系。其中免疫系统中亲合度调整和神经网络权值修正的效果是类似的，都是为了增加系统对输入模式的识别质量。
3  人工免疫系统与进化计算
　　进化算法是基于达尔文的生物进化论而发展起来的一种计算智能方法，以产生于20世纪70年代的遗传算法为代表，其主要特点是智能性和本质并行性。由于免疫系统也是一种进化系统，因此基于该方法发展的免疫算法也具有搜索优化功能。免疫算法和进化计算都是群体搜索策略，强调群体中个体之间的信息交换。因此它们之间有许多相似之处，如在算法结构、本质上的固有并行性以及主要的操作算子等方面，但它们也有下面一些区别。
　　(1)一般免疫算法起源于宿主和宿原之间的内部竞争。它所相互作用的环境既包括外部环境也包括内部环境；而遗传算法起源于个体和自私基因之间的外部竞争。
　　(2)免疫算法评价标准是计算亲合度，包括抗体-抗原的亲合度以及抗体-抗体的亲合度。免疫算法通过促进或抑制抗体的产生，体现了免疫反应的自我调节功能，保证了个体的多样性，反映了真实的免疫系统的多样性。而进化算法则是简单计算个体的适应度，根据适应度选择父代个体，并没有对个体多样性进行调节，这也是将免疫策略用于改进进化算法的切入点。
　　(3)一般免疫算法中基因可以由个体自己选择，而在遗传算法中基因由环境选择。
　　(4)一般免疫算法中，基因组合是为了获得多样性，通常不用交叉算子，因为免疫算法中基因是在同一代个体进行进化；而遗传算法后代个体基因通常是父代基因交叉的结果，遗传算法中，交叉用于混合基因。
4  人工免疫系统的应用
　　目前人工免疫系统在众多工程和科学领域中得到应用，其主要应用领域如下。
　　(1)控制工程。K KrishnaKumar等将“免疫神经控制(INC)”用于复杂动力学系统的模型自适应控制，效果良好[2]。Sasaki M等提出了一种基于免疫系统反馈机理的自适应学习的神经网络控制器，避免了神经网络学习在最小值附近的摆动，提高了收敛速度[3]。丁永生等针对低阶或高阶对象，提出一种新颖的基于生物免疫系统反馈机理的通用控制器结构[4]。李海峰等提出了以电力系统电压调节为应用目的的免疫系统的基本模型，演示了应用于STATCOM的细胞免疫电压调节器的控制作用。
　　(2)机器人。Dasgupta D基于人工免疫系统建立了多智能体决策系统[5]。Jin-Haying Jun等人工免疫系统在分布式自动机器人系统实现了协作和群行为。King R L等提出了一个用于智能体的人工免疫系统模型，并总结了人类免疫系统可用于人工免疫系统智能体的主要功能。
　　(3)信息安全。Forrest基于免疫系统的自己非己识别机理，首先提出了反向选择算法， 用于检测被保护的数据的改变。在病毒检测方面，D′haeseleer使用阴性选择算法来检测被保护数据和程序文件的变化。Kephart提出了一种新的病毒检测方法，它采用已知病毒的特征代码序列来检测已知病毒，而对未知病毒则通过系统中发现的异常行为加以检测。
　　(4)故障监测和诊断。Dasgupta D等将人工免疫系统用于工业生产中，进行加工工具破损监测。刘树林等受生物免疫系统自己—非己识别过程的启发提出了反面选择算法，在故障诊断应用领域中改进了反面选择算法，提出了对旋转机械在线故障诊断的新方法。杜海峰等还将ART—人工免疫网络用于解决多级往复式压缩机故障诊断，效果良好。
　　人工免疫系统除了以上应用外，还被用于模式识别、机器学习、噪声控制、决策支持系统、人工智能、多智能体、数据分析等领域。
5  总结与展望
　　由于人工免疫系统具有独特的分布式、自适应、自组织系统功能和并行、鲁棒的信息处理能力，因此是一个非常重要和有意义的研究方向。目前对它的研究正沿着加深基础理论研究，加强技术融合，拓宽应用领域的方向发展。近年来人工免疫系统虽然得到迅速发展，但与神经网络和遗传算法等智能方法相比，人工免疫系统的研究还处于初级阶段。需要进一步深入研究的主要方向有：
　　(1)加深基础理论研究。由于缺乏有力的理论指导，使得目前对人工免疫系统的研究仅仅局限于对生态免疫系统某一机理的仿真和应用，对它的稳定性和动力学分析还未涉及。因此，建立人工免疫系统的数学模型，研究它的理论基础，对深刻认识人工免疫系统的性能和本质具有重要意义。
　　(2)以开发新型智能系统方法为背景，研究基于免疫系统机理的智能系统理论和技术，将人工免疫系统与模糊系统、神经网络和遗传算法等软计算技术进行集成，发展各种免疫计算智能，并给出其应用方法。
　　(3)结合迅速发展的计算机网络技术及数据库技术，进一步发展和扩大人工免疫系统在科学和工程领域中的应用。重点在免疫的分布性、鲁棒性、自适应性及容错性等方面的应用研究，如：分布式故障检测、分布式反馈控制、噪声耐受、数据挖掘等。
　　人工免疫系统是一个新兴的研究领域， 随着它的进一步深入研究及其与其他智能方法的融合， 必将为智能优化计算、智能控制、模式识别、计算机安全等领域的研究提供新的强有力的工具。
参考文献
1   莫宏伟.人工免疫系统原理与应用[M].哈尔滨：哈尔滨工业大学出版社，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，任立红.一种新颖的模糊自调整免疫反馈控制系统.   控制与决策，2000；15(4)
5   Dasgupta D.An Artificial Immune System as A multi Agent   Decision 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，Forrest 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