人工免疫系統研究

原霞飛 劉希玉 劉鳳鳴

山東師范大學管理與經濟學院 山東 250014

0 引言

自然免疫系統是一種復雜的分布式信息處理學習系統，具有較強的自適應性、多樣性、學習、識別和記憶等特點，這些特點能為工程問題的解決提供新方法，因此引起國內外很多學者對模式識別、人工智能、自動控制和機器人等相關領域的研究。而人工免疫系統作為人工智能領域的重要分支，同神經網絡及遺傳算法一樣是智能信息處理的重要手段，同樣受到越來越多的關注。

1 免疫系統概述

所謂人工免疫系統(Artificial Immune System,AIS)就是借鑒和利用生物免疫系統(主要是人類的免疫系統)的各種原理和機制而發展的各類信息處理技術、計算技術及其在工程和科學中應用而產生的各種智能系統的統稱。

現代免疫學的發展已經證明高等動物和人體內存在一套完整的免疫系統，它主宰和執行機體的免疫功能，是機體發生免疫應答的物質基礎。免疫系統是由免疫器官、免疫細胞和免疫分子組成的復雜系統。免疫系統固有的特性包括多樣性、分布性、適應性、自我監測、錯誤耐受等，這些特性大多是人工智能系統所缺乏的特性，是研究的重要方向。

2 常見的免疫算法

2.1 人工免疫網絡模型

目前，比較有影響的人工免疫網絡模型是 Timmis等的資源受限人工免疫系統(RLAIS)和deCasto等的aiNet。資源受限人工免疫系統中提出了人工識別球(ARB)的概念。Timmis認為人工免疫系統是由固定數量的ARB組成。ARB的作用和B系統的功能相似的，ARB受到的刺激包括：抗原的刺激，鄰近抗體的刺激，鄰近抗體的抑制等；de Casto的aiNet算法模擬免疫網絡對抗原刺激的刺激過程，主要包括抗原-抗體的識別，免疫克隆增值，親和度成熟等。

2.2 否定選擇算法

Forrest等根據免疫系統的自己/非己的區別原則，研究了一種檢測變化的否定選擇算法。否定選擇算法是基于生物免疫系統的特異性，借鑒生物免疫系統胸腺T細胞生成時的“陰性選擇”，它適用于計算機病毒檢測，基于主機的入侵檢測和網絡安全。檢測成功的關鍵是系統能夠分清自己和非己的信息，刪除檢測到自己的檢測器，保留測到非己的檢測器。利用該算法進行計算機網絡入侵檢測的優點是可移動性、自適應性和合作性。

2.3 克隆算法

最具代表性的是de Castro 以及Kim 等提出的克隆選擇算法(CSA)，流程圖和算法如下：

（1）生成候選解集P，P是由記憶單元(M)和保留種群；

（2）根據親和度測量，選擇n個個體(Pn)；

（3）復制上述n個個體，生成臨時克隆種群?，克隆規模和抗體-抗原的親和度成正比；

（4）對克隆臨時種群進行高頻變異，得到變異后的抗體群(C*)；

（5）從(C*)中選擇改進的個體組成記憶單元 M，P中的一些個體(C*)中其他改進的個體取代；

（6）利用先產生的抗體代替d個舊抗體。親和度低的抗體更容易被取代。

2.4 免疫進化算法

進化算法作為一種有向隨機搜索的方法，在應用中存在一些需要改進之處：無法保證收斂到全局最優解，過早收斂，算法的穩定性和收斂速度的關系等。將免疫算法的特性引入進化算法，稱為免疫進化算法。

2.4.1 利用先驗知識的免疫算法

在遺傳算法中引入免疫概念，利用問題的先驗知識，保留了原算法的優良特性，同時引入了免疫算子，根據待求問題的特征或知識，提取疫苗來抑制優化過程中出現的退化現象。這種方法的優點：與一般的遺傳算法相比，可較好的解決以后算法中出現的退化現象，提高了收斂速度。

2.4.2 利用抗體多樣性的免疫遺傳算法

根據免疫系統抗體的多樣性特征，在進化過程中，具有高抗原親和度并且濃度較低的抗體受到促進，被選擇的概率較大；而低抗原親和度并且濃度較高的抗體會受到抑制，被選擇的概率較小，這樣可以保證抗體的多樣性。

2.5 動態規模免疫算法

（4）對An1中的每一個抗體Ab按突變率α突變；

（5）消除新產生群體中的相同的抗體，未被削去的抗體構成An2；

利用小生境概念，選擇算法的部分機制，借助抗體濃度，設計抗體評價策略和特定的免疫算子，解決多模態函數優化問題。

該算法描述如下：

（1）確定進化代數n，隨機產生規模為N的初始群體An；（2）復制A中激勵度最高的一個抗體作為抗原Agn；

（3）選擇

（8）若滿足終止條件，則最終的抗原即為最優解，否則，返回第二步。

3 人工免疫系統方法的應用研究

近年來，基于免疫系統原理開發的各種模型和算法廣泛的應用在科學研究和工程實踐中，主要的應用領域如下。

3.1 自動控制

免疫系統由于具有免疫抗原識別、抗原記憶和抗體的抑制和促進等特點，能夠對外界物質有較好的快速反應性和穩定性，在處理動態環境中具有一定的優越性。因此在控制系統常用來解決模式識別問題等。Krishna Kumar 等將免疫神經控制用于動力學系統模型自適應控制。丁永生等提出針對低級或高級對象，提出了一種新穎的人基于生物免疫系統的反饋記錄的通用控制器結構Kim用免疫網絡算法優化PID控制器參數，實現了非線性對象的自適應PID控制。

3.2 網絡安全方面

網絡安全是人工免疫系統研究和應用最成功和最多的領域。防御異常入侵和病毒等可從免疫機制中獲得啟發。Forrest提出了著名的否定選擇算法也是該領域提出的。楊曉宇等對AIS與網絡安全相結合的基因計算機進行討論，認為智能模擬在網絡安全方面的應用前景廣闊。

3.3 機器人

利用免疫系統的自學習、自適應和免疫記憶等特征，將免疫強化學習應用于機器人系統，優化機器人的行為選擇。目前免疫算法主要用于機器人的路徑規劃問題，另外也可用仿生控制，仿生計算、多機器協作等方面。Meshref等利用免疫系統對外部環境變化的敏感特性改進DNA算法，用“狗-羊”問題的實驗結果表明，改進的DNA算法適用于解決分布式自動機器人系統問題，劉克勝等基于免疫學的細胞克隆學說和網絡調節理論，提出了能有效增強自律移動機器人在動態環境中自適應能力的新算法等。

3.4 智能優化

AIS在函數優化、組合優化、調度問題等方面得到應用并取得了很好的效果。如約束搜索優化、旅行商問題、函數測試等。免疫遺傳算法可以實現TSP優化，解決CDMA中的多用戶檢測問題等。免疫算法取得了比現有的啟發式算法更好的求解結果，尤其是在求解的效率方面，顯示出AIS在智能優化領域具有廣闊的應用前景。

3.5 故障診斷

人工免疫系統是對生物免疫系統的模擬，具備“自己-非己”識別能力。另外免疫系統是一個高度的并行處理系統，具有學習能力、記憶能力，這些能力協同激勵、多樣性、適應性等將對故障診斷領域的研究提供新思想和新方法。

除了上述的應用，AIS知識挖掘、數據和圖像處理、噪聲耐受以及金融風險預測等方面也有應用。

4 今后的研究方向

AIS具有很廣泛的應用領。但是由于免疫系統機理復雜，系統龐大并且可以借鑒的成果不是很多，因此人工免疫系統在模型建立以及算法等方面都存在諸多問題，另外從免疫系統機理角度看，獲得初始抗體的計算量很大，數據處理過程中只能濃縮數據樣本。所以AIS具有很大的發展空間，值得深入研究，在現階段研究的基礎上，日后的研究方向主要包括。

4.1 研究免疫系統的機理，為新算法的提出奠定基礎

必須加強對包括一般原理、定理以及數學模型等的理論研究，針對人工免疫系統機理進行研究學習，提出新的算法，或者對現有的算法的改進，使之達到更好的效果。

4.2 積極拓展免疫系統的研究領域

結合現代計算機網絡技術的發展，重點利用免疫的自適應性、容錯性、分布性等進一步擴大AIS的在工程上的應用，進一步研制如在復雜系統中的協調控制、簽名確認，故障檢測和診斷等方面的實際產品。

4.3 進一步針對現有方法進行改進，強化對人工免疫系統的智能整合研究

由于免疫系統是一個相對復雜的系統，因此有必要加強其和神經系統，內分泌系統等相互聯系的研究。研究基于生物免疫系統機理的智能系統，同時將AIS 與模糊系統、神經系統和遺傳算法等軟計算技術進行集成，并找出應用的方法。

[1] 莫宏偉.人工免疫系統原理與應用[M].哈爾濱工業大學出版社.2003.

[2] 王重慶.分析免疫學基礎[M].北京大學出版社.1999.

[3] 丁永生,任立紅.一種新穎的模糊自調整免疫反饋控系統.控制與決策.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] 楊曉宇,周佩玲,傅忠謙.人工免疫與網絡安全.計算機仿真.2001.

[6] 劉克勝,張軍,曹先彬,王煦法.一種基于免疫原理的自律機器人行為控制算法[J].計算機工程與應用.2000.

[7] 王煦法,張顯俊,曹先彬,張軍,馮雷.一種基于免疫原理的遺傳算法[J].小型微型計算機系統.1999.

[8] 劉克勝,曹先彬,鄭浩然,王煦法.基于免疫算法的 TSP問題求解[J].計算機工程.2000.

[9] 牛志強,劉崢嶸,吳新余.基于免疫算法的智能多用戶檢測技術在CDMA中的應用[J].江蘇通信技術.2001.

[10] 肖人彬,王磊.人工免疫系統:原理、模型、分析及展望[J].計算機學報報.2002.