摘   要： 基于生物免疫系統機理開發的人工免疫系統是繼人工神經網絡、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的特點和研究內容，將其與人工神經網絡、進化計算進行了比較和分析，綜述了人工免疫系統的最新研究成果并對下一步的研究方向做了探討。
關鍵詞： 人工免疫系統  人工神經網絡  進化算法

　　多年來，包括人類自身在內的自然界生物體系的智能行為一直是科學家們所關注和研究的對象，其中一個重要研究領域是生物信息處理系統。由生物引發的信息處理系統可分為：腦神經系統(人工神經網絡ANN，Artificial Neural Networks)、遺傳系統(進化計算EA，Evolutionary Algorithm)和免疫系統(人工免疫系統AIS，Artificial Immune System)。其中，人工神經網絡和進化計算已被廣泛應用于各個領域，而人工免疫系統由于其復雜性沒有引起與神經網絡和進化計算同等重視，目前國內外的研究成果和應用相對較少。
人工免疫系統是對生物免疫系統的模擬，是借鑒和利用生物免疫系統的信息處理機制而發展的各類信息處理技術、計算技術以及在科學工程領域中應用而產生的各種智能系統的統稱。人工免疫系統是一個跨學科的研究領域，是與生物免疫系統相對應的工程概念。生物免疫系統是一個高度并行、分布、自適應和自組織的系統，具有強大的信息處理能力，從而激起科學家們從中提取、發現免疫系統的有用機制，開發面向工程應用的免疫系統計算模型——人工免疫系統。目前，人工免疫系統已發展成為計算智能研究中一個嶄新的分支，其應用領域已經逐漸擴展到了信息安全、模式識別、智能優化、機器學習、數據挖掘、機器人學、自動控制、故障診斷等諸多領域， 顯示出人工免疫系統強大的信息處理和問題求解能力，具有廣闊的研究前景。
1  人工免疫系統的特點和研究內容
　　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答反應。免疫系統是由許多執行免疫功能的器官、組織、細胞和分子等組成的復雜系統，其主要作用是能夠識別“自己”與“異己”物質，進而清除病原體、有害異物等致病因素的侵害，實現免疫防衛功能。免疫系統被稱為是人體的“第二大腦”，具有許多在工程領域有啟發意義的特點，如多樣性、分布性、動態性、適應性、自我識別、學習、記憶等，這些特性啟發人們對免疫系統的仿生進行研究。基于生物免疫機理開發的人工免疫系統具有強大的魯棒性信息處理和解決復雜問題的能力。從工程角度上講，人工免疫系統具有許多有意義的特性。免疫計算系統結合先驗知識和免疫系統的適應能力，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雜問題的能力。從信息科學角度來講，人工免疫系統是一個杰出的并聯和分布的自適應系統，它使用學習、記憶和關聯檢索來完成識別和分類任務，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，開發基于生物免疫系統的計算機模型有助于人們進一步認識和發展生物免疫學，將會帶給人類社會更大的進步。
　　目前，人工免疫系統的研究內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，自然免疫系統是一種完全并行和分布的自適應系統，具有進化學習、聯想記憶和模式識別等能力。免疫系統學習識別相關模式，記住以前見到的模式，用組合學高效地建立模式檢測器。自然免疫系統是發展解決智能問題技術的啟發源泉，研究人員已經開發了許多基于免疫系統的算法、人工免疫網絡和計算系統及模型。
　　①根據生物免疫系統原理開發新的智能計算算法，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化的免疫算法等，這些可統稱為免疫算法。這方面目前發展較活躍，也較迅速。
　　②根據生物免疫系統原理建立免疫人工模型，包括人工免疫網絡模型和人工免疫系統模型兩種形式。前者如aiNET、免疫PDP網絡和免疫多值網絡等；后者如二進制免疫系統模型、骨髓模型等。各種免疫網絡學說，如獨特型網絡、互聯耦合免疫網絡等，可用于建立人工免疫網絡認知模型。目前應用最廣的是獨特型網絡。
　　③與人工神經網絡、模糊系統、遺傳算法等結合建立混合智能系統。如利用人工免疫系統、人工神經網絡、模糊系統建立新型智能計算系統；利用免疫系統抗體多樣性的遺傳機制改進遺傳算法的優化搜索。這方面整體發展比較緩慢，目前的研究主要集中在與神經網絡和遺傳算法的混合應用。
　　(2)免疫工程應用研究。如利用生物免疫系統某一特性或某些特性解決特定工程問題的系統方法；還可以基于免疫學原理發展各種保安系統、疾病診斷系統、計算機安全和網絡入侵檢測系統、各種工業生產中的故障診斷、異常檢測系統等。
　　(3)人工免疫系統理論研究。借助數學模型、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的機制、免疫計算原理等。這方面的研究在近五年已經取得一定進展。
　　上述三方面是互相滲透的。目前，人工免疫系統研究手段和內容及應用領域涉及多個學科，包括醫學免疫學、計算機科學技術、計算智能、人工智能、模式識別、智能系統、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，因而發展起來的人工免疫系統形式也多種多樣。
2  人工免疫系統與人工神經網絡
　　人工免疫系統和人工神經網絡都是受生物啟發而產生的技術，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的并行分布處理能力。二者都能利用學習、記憶、聯想等機制解決辨識問題和分類任務，但其辨識和學習的內在機制卻完全不同。人工免疫系統與人工神經網絡的比較如表1所示。

　　與神經系統的一個根本性區別在于免疫系統與外部環境的相互作用。淋巴細胞能夠與外部抗原連接，或通過抗獨特型相互作用。在人工免疫系統中，學習通過受體親和力和淋巴細胞數目的變化來完成。人工神經網絡則通過改變其連接權值，根據定義好的學習算法，學習合適的輸入數據，它更關心的是輸入和輸出之間大致的關系。其中免疫系統中親合度調整和神經網絡權值修正的效果是類似的，都是為了增加系統對輸入模式的識別質量。
3  人工免疫系統與進化計算
　　進化算法是基于達爾文的生物進化論而發展起來的一種計算智能方法，以產生于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并行性。由于免疫系統也是一種進化系統，因此基于該方法發展的免疫算法也具有搜索優化功能。免疫算法和進化計算都是群體搜索策略，強調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，如在算法結構、本質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別。
　　(1)一般免疫算法起源于宿主和宿原之間的內部競爭。它所相互作用的環境既包括外部環境也包括內部環境；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生，體現了免疫反應的自我調節功能，保證了個體的多樣性，反映了真實的免疫系統的多樣性。而進化算法則是簡單計算個體的適應度，根據適應度選擇父代個體，并沒有對個體多樣性進行調節，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果，遺傳算法中，交叉用于混合基因。
4  人工免疫系統的應用
　　目前人工免疫系統在眾多工程和科學領域中得到應用，其主要應用領域如下。
　　(1)控制工程。K KrishnaKumar等將“免疫神經控制(INC)”用于復雜動力學系統的模型自適應控制，效果良好[2]。Sasaki M等提出了一種基于免疫系統反饋機理的自適應學習的神經網絡控制器，避免了神經網絡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反饋機理的通用控制器結構[4]。李海峰等提出了以電力系統電壓調節為應用目的的免疫系統的基本模型，演示了應用于STATCOM的細胞免疫電壓調節器的控制作用。
　　(2)機器人。Dasgupta D基于人工免疫系統建立了多智能體決策系統[5]。Jin-Haying Jun等人工免疫系統在分布式自動機器人系統實現了協作和群行為。King R L等提出了一個用于智能體的人工免疫系統模型，并總結了人類免疫系統可用于人工免疫系統智能體的主要功能。
　　(3)信息安全。Forrest基于免疫系統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據的改變。在病毒檢測方面，D′haeseleer使用陰性選擇算法來檢測被保護數據和程序文件的變化。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中發現的異常行為加以檢測。
　　(4)故障監測和診斷。Dasgupta D等將人工免疫系統用于工業生產中，進行加工工具破損監測。劉樹林等受生物免疫系統自己—非己識別過程的啟發提出了反面選擇算法，在故障診斷應用領域中改進了反面選擇算法，提出了對旋轉機械在線故障診斷的新方法。杜海峰等還將ART—人工免疫網絡用于解決多級往復式壓縮機故障診斷，效果良好。
　　人工免疫系統除了以上應用外，還被用于模式識別、機器學習、噪聲控制、決策支持系統、人工智能、多智能體、數據分析等領域。
5  總結與展望
　　由于人工免疫系統具有獨特的分布式、自適應、自組織系統功能和并行、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理論研究，加強技術融合，拓寬應用領域的方向發展。近年來人工免疫系統雖然得到迅速發展，但與神經網絡和遺傳算法等智能方法相比，人工免疫系統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)加深基礎理論研究。由于缺乏有力的理論指導，使得目前對人工免疫系統的研究僅僅局限于對生態免疫系統某一機理的仿真和應用，對它的穩定性和動力學分析還未涉及。因此，建立人工免疫系統的數學模型，研究它的理論基礎，對深刻認識人工免疫系統的性能和本質具有重要意義。
　　(2)以開發新型智能系統方法為背景，研究基于免疫系統機理的智能系統理論和技術，將人工免疫系統與模糊系統、神經網絡和遺傳算法等軟計算技術進行集成，發展各種免疫計算智能，并給出其應用方法。
　　(3)結合迅速發展的計算機網絡技術及數據庫技術，進一步發展和擴大人工免疫系統在科學和工程領域中的應用。重點在免疫的分布性、魯棒性、自適應性及容錯性等方面的應用研究，如：分布式故障檢測、分布式反饋控制、噪聲耐受、數據挖掘等。
　　人工免疫系統是一個新興的研究領域， 隨著它的進一步深入研究及其與其他智能方法的融合， 必將為智能優化計算、智能控制、模式識別、計算機安全等領域的研究提供新的強有力的工具。
參考文獻
1   莫宏偉.人工免疫系統原理與應用[M].哈爾濱：哈爾濱工業大學出版社，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整免疫反饋控制系統.   控制與決策，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