人工免疫系统

国际研究新动向之八
进一步发展AIS在科学和工程上的应用，并研制 实际产品，如研制在复杂系统的协调控制、故障 检测和诊断、机器监控、签名确认、噪声检测、 计算机与网络数据的安全性、图像与模式识别等 方面的实际产品。
生物Leabharlann Baidu疫的启示
₪ 在生物自然界中，免疫现象普遍存在，并对物种的 生存 与繁衍 发挥着重要的作用；
AIS在优化设计中的应用
₪ 永磁同步电动机的参数修正的优化设计； ₪ 电磁设备的外形优化； ₪ VLSI印刷线路板的布线优化设计； ₪ 函数测试； ₪ 旅行商问题的求解； ₪ 约束搜索优化问题和多判据设计问题；
AIS在网络安全的应用
₪ 数据检测（Forrest ）； ₪ 病毒检测（ Kephart）； ₪ UNIX过程监控（ Forrest）。
AIS在控制领域中的应用
₪ PID型免疫反馈控制器（ Takahashi ）； ₪ 机器人控制（ Mitsumoto, Ishiguro, Lee）； ₪ 控制系统的设计（ Ishida ）； ₪ 复杂动态行为建模和自适应控制（Kumak）； ₪ 倒摆的控制（ Bersini ）。
AIS在故障诊断中的应用
程并提高学习质量。 。
克隆选择
基本免疫方法
₪ 克隆选择原理最先由Jerne提出，后由Burnet给 予完整阐述。其大致内容为:当淋巴细胞实现对 抗原的识别(即抗体和抗原的亲和度超过一定阈 值)后，B细胞被激活并增殖复制产生B细胞克隆， 随后克隆细胞经历变异过程，产生对抗原具有特 异性的抗体。克隆选择理论描述了获得性免疫的 基本特性，并且声明只有成功识别抗原的免疫细 胞才得以增殖。经历变异后的免疫细胞分化为效 应细胞(抗体)和记忆细胞两种。
₪ 在最初的算法描述中，候选的监测器是随机产生 的，然后测试以删除与自身字串相匹配的监测器， 算法中采用的匹配规则是r-连续位匹配，即当两 个字符串至少存在连续r位相同是才发生匹配。
₪ 该过程重复进行，直到所需数量的监测器被产生 出来。通常用概率分析方法来估算为了满足一定 的可靠性所应有的监测器的数目。
免疫学习
基本免疫方法
₪ 免疫识别过程同时也是一个学习的过程，学习的 结果是免疫细胞的个体亲和度提高、群体规模扩 大，并且最优个体以免疫记忆的形式得到保存。
₪ 当机体重复遇到同一抗原时，由于免疫记忆机制 的作用，免疫系统对该抗原的应答速度大大提高， 并且产生高亲和度的抗体去除病原，这个过程是 一个增强式学习过程。而且可以对结构类似的抗 原进行识别。
国际研究新动向之六
发展基于DNA编码的人工免疫系统以及基于 DNA计算的免疫算法。尝试将DNA计算模型引 入人工免疫系统中，研究一种基于DNA计算与 AIS相结合的，有较强抗干扰能力和稳定性能的 智能系统
国际研究新动向之七
近年来有学者已开始研究B细胞—抗体网络的振 荡、混浊和稳态等非线性特性，不过其工作才刚 刚开始。人们应进一步借助非线性的研究方法来 研究免疫系统的非线性行为，拓宽非线性科学的 研究范围。
免疫（自身）稳定 即机体通过免疫功能经常消除那些损伤和衰老的细
胞以维持机体的生理平衡；
免疫监视 即机体通过免疫功能防止或消除体内细胞在新陈代
谢过程中发生突变的和异常的细胞
克隆记忆
Y 检测到 spam？
N
删除该未成 熟检测器
正文特征提取
记忆细胞检测器 未成熟细胞检测器
随机特征项 spam特征库
免疫生物学的基本概念
抗原 是指能够刺激和诱导机体的免疫系统使其产生免疫
应答，并能与相应的免疫应答产物在体内或体外 发生特异性反应的物质。
抗体 是指免疫系统受抗原刺激后，免疫细胞转化为浆细
胞并产生能与抗原发生特异性结合的免疫球蛋白， 该免疫球蛋白即为抗体。
免疫系统的主要功能
免疫防御 即机体防御病原微生物的感染；
进化算子在为每个个体提供了进化机会的同时，也无可避免地产生 了退化的可能；
大多数待求问题有可以利用的先验知识或特征信息，故可以利用这 些信息来抑制进化过程中的退化现象；
生物免疫理论为改进原有算法的性能，建立集进化与免疫机制于一 体的新型全局并行算法奠定了基础。
一门新兴的研究领域
₪ Farmer等人在1986年首先在工程领域提出免疫 概念；
阴性选择算法
常见免疫算法
₪ Procedure
₪ Begin ₪ 随机生成大量的候选检测器(即免疫细胞) /*初始化*/ ₪ While一个给定大小的检测器集合还没有被产生do/*耐受*/
₪ Begin ₪ 计算出每一个自体元素和一个候选检测器之间的亲和力; ₪ If这个候选的检测器识别出了自体集合中的任何一个元素Then这个
基本免疫方法
₪ 克隆选择的主要特征是免疫细胞在抗原刺激下产 生克隆增殖，随后通过遗传变异分化为多样性抗 体细胞和记忆细胞。
₪ 克隆选择对应着一个亲和度成熟的过程，即对抗 原亲和度较低的个体在克隆选择机制的作用下， 经历增殖复制和变异操作后，其亲和度逐步提高 而“成熟”的过程。因此亲和度成熟本质上是一 个达尔文式的选择和变异的过程，克隆选择原理 通过采用交叉、变异等遗传算子和相应的群体控 制机制实现。
国际研究
₪ 1996年，日本，基于免疫性系统的国际专题讨 论会，提出并确认人工免疫系统（AIS）的概念；
₪ 1997年，IEEE的SMC组织专门成立了人工免疫 系统及应用的分会组织；
₪ 目前，几乎所有有关人工智能领域的学术会议都 收录AIS方面的论文。
应用
自动控制 故障诊断 模式识别 图象识别 优化设计 机器学习 网络安全
国际研究新动向之三
将人工免疫系统与遗传系统的机理相互结合，并 归纳出各种免疫学习算法。比如：免疫系统的多 样性遗传机理和细胞选择机理可用于改善原遗传 算法中对局部搜索问题不是很有效的情况；独特 型网络机理可用于免疫系统中的遗传部分以避免 系统出现早熟现象；发展用于处理受约束的遗传 搜索和多准则问题的免疫学习算法等。
₪ 核心机制是根据识别的对象特征进行编码，定义 一个自我集合并随机产生一系列检测器，用于检 测自我集合的变化。根据阴性选择原理，若检测 集合与自我集合匹配，则完成匹配任务，机体发 现病变。
基本免疫方法
₪ (1)定义自己(self)为一个字符串集合S，每个字符串由n 个字母组成，字符串可以是一个网络数据包，电子邮件 特征向量或程序的一般行为模式。
国际研究新动向之四
基于免疫反馈和学习机理，设计自调整、自组织 和自学习的免疫反馈控制器。展开对基于免疫反 馈机理的控制系统的设计方法和应用研究，这有 可能成为工程领域中种新型的智能控制系统，具 有重要的理论意义与广泛的应用前景。
国际研究新动向之五
进一步研究基于免疫系统机理的分布式自治系统。 分布式免疫自治系统在智能计算、系统科学和经 济领域将会有广阔的应用前景。
抗原识别 初始抗体生成 亲和力计算 抗体促进和抑制
群体更新
记忆细胞分化
免疫算法
₪ (1)识别抗原：免疫系统确认抗原入侵。 ₪ (2)产生初始抗体群体：激活记忆细胞产生抗体，清除以
前出现过的抗原，从包含最优抗体(最优解)的数据库中 选择出来一些抗体。 ₪ (3)计算亲和力：计算抗体和抗原之间的亲和力。 ₪ (4)记忆细胞分化：与抗原有最大亲和力的抗体加给记忆 细胞。由于记忆细胞数目有限，新产生的与抗原具有更 高亲和力的抗体替换较低亲和力的抗体。 ₪ (5)抗体促进和抑制：高亲和力抗体受到促进，高密度抗 体受到抑制。通常通过计算抗体存活的期望值来实施。 ₪ (6)抗体产生:对未知抗原的响应，产生新淋巴细胞
₪ 生物的免疫功能主要是由参与免疫反应的细胞或由其构 成的器官来完成的；
₪ 生物免疫主要有两种类型： 特异性免疫（Specific Immunity）， 非特异性免疫反应（Nonspecific Immunity）；
₪ 生物免疫系统是通过自我识别、相互刺激与制约而构成 了一个 动态平衡的网络结构 。
₪ (2)产生一个初始监测器集合R。 ₪ (3)监测器集合中每个监测器经历阴性选择过程。其中每
一个监测器都不能与集合S中的任何一个字符串相匹配， 否则就从监测器集合中删去对应的检测器。
₪ (4)通过与R集合的匹配不断监测S的变化，一旦发生任何 匹配，则说明S集发生了变化，即有外来抗原侵入。
基本免疫方法
国际研究新动向之一
以开发新型的智能系统方法为背景，研究基于生 物免疫系统机理的智能系统理论和技术，同时将 AIS与模糊系统、神经网络和遗传算法等软计算 技术进行集成，并给出其应用方法。
国际研究新动向之二
基于最新发展的免疫网络学说进一步建立并完善 模糊、神经和其它一些专有类型的人工免疫网络 模型及其应用方法。
免疫记忆
基本免疫方法
₪ 当免疫系统初次遇到一种抗原时，淋巴细胞需要 一定的时间进行调整以更好地识别抗原，并在识
别结束后以最优抗体的形式保留对该抗原的记忆
信息。而当免疫系统再次遇到相同或者结构相似
的抗原时，在联想记忆的作用下，其应答速度将 大大提高。
₪ 免疫记忆主要体现在再次免疫应答和交叉免疫应 答时，可以大大加速优化搜索过程，加快学习进
免疫算法
₪ 一般的免疫算法可分为三种情况: ₪ 模仿免疫系统抗体与抗原识别，结合抗体产生过
程而抽象出来的免疫算法; ₪ 基于免疫系统中的其他特殊机制抽象出的算法，
例如克隆选择算法;
₪ 与遗传算法等其他计算智能融合产生的新算法， 例如免疫遗传算法。
免疫算法的一般步骤
免疫算法
N
满足终止 条件？ Y 结束
亲和力计算 大于阈值
不大于阈值
亲和力计算
大于阈值
不大于阈值 用户反馈
ham
spam 用户反馈
更新检测器、 spam特征库
基本免疫方法
₪ 1.免疫识别 ₪ 2.免疫学习 ₪ 3.免疫记忆 ₪ 4.克隆选择
免疫识别
基本免疫方法
₪ 免疫识别是免疫系统的主要功能，同时也是AIS 的核心之一，而识别的本质是区分“自我”和 “非我”。
基本免疫方法
₪ 免疫学习一般有以下几种途径: ₪ (a)对同一抗原进行重复学习，属于增强式学习。 ₪ (b)亲合度成熟，对应于AIS中的个体经遗传操作
后其亲合度逐步提高的过程，属于遗传学习。 ₪ (c)低度的重复感染，对应于AIS的重复训练过程。 ₪ (d)对内生和外生抗原的交叉应答，属于联想式
学习，对应于联想记忆机制。
人工免疫系统
Yuehui Chen School of Inform. Sci. and Eng. University of Jinan http://cilab.ujn.edu.cn
Contents
1
引言
2
基本免疫方法
3
免疫算法
4
典型的人工免疫系统——ARTIS
引言
₪ 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也是智能信息处理的重要手段， 已经受到越来越多的关注。
₪ 它通过类似于生物免疫系统的机能，构造具有动态性 和自适应性的信息防御体系，以此来抵制外部无用、 有害信息的侵入，从而保证接受信息的有效性与无害 性。
背景
在生物科学领域，人们对进化、遗传和免疫等自然 现象已经进行了 广泛而深入的研究 ；
进化算法是建立在模仿生物遗传与自然选择基础上的一种并行优化 算法，其性能优异、应用广泛；
₪ Varela等人受免疫网络学说的启发，提出并进而 完善免疫网络模型。
人工免疫网络模型
₪ 独特型免疫网络（Jerne）； ₪ 互联耦合免疫网络（Ishiguro）； ₪ 免疫反应网络（Mitsumoto）； ₪ 对称网络（Hoffmann）； ₪ 多值免疫网络（Tang）.
免疫学习算法
₪ 反面选择算法（Forrest）； ₪ 免疫学习算法（Hunt&Cooke）； ₪ 免疫遗传算法（Chun）； ₪ 免疫Agent算法（Ishida）； ₪ 免疫网络调节算法（Wang&Cao）； ₪ 免疫进化算法（Jiao&Wang）
₪ 基于相关识别特性的免疫网络模型用于故障诊断 的方法（Ishida）；
₪ 通过构造大规模独特型免疫网络来建立用于在线 服务的故障诊断系统（Ishiguru）。
AIS在模式识别中的应用
Hunt等人开发了一种具有学习能力的人工免疫系统 并用于模式识别。
AIS在联想记忆中的应用
Gilbert等人采用免疫网络模型设计了一种内容可访 的自动联想记忆系统并用于图像识别。