人工免疫算法及其应用研究

自从1998年，世界计算智能大会(WCCI)第一次在美国召开了人工免疫系统专题会议，各类研究人员对免疫系统的研究兴趣不断增加，以后每年均有人工免疫专题的国际学术会议。近年来，人工免疫系统的研究受到许多领域学者的关注，为求解多目标优化问题带来了新的希望。

在理论研究方面，生物免疫系统中的克隆选择原理本身就包含了一种进化过程，因此根据这些理论可以开发智能优化方法解决实际优化问题。这种想法由De Castro(2000)首先实现，其后他又在2002年发表文章细化了算法实现的过程。起初提出的算法是基于二进制编码的，而Wierzchon等(2003)提出了基于实数编码的广义人工免疫算法，由此完善了基于免疫机理的优化算法原理，形成了基本人工免疫算法的结构。在此基础上，对于人工免疫算法理论和改进的研究纷纷展开。

在人工免疫算法的编码机制和算子方面，研究人员进行了大量工作以提高算法性能。Costa等(2002)提出了基于多字符编码规则的人工免疫算法。继而，De Castro和Calos(2003)在算法中引入记忆集合，将进化群体中较好的个体记录于记忆集合中，而且不断更新该记忆集合，以此形成了用于多目标优化的人工免疫算法，而Calos等(2003)又对提出的算法进行了改进，使算法对于约束条件较少或非线性约束性不强的问题可以得到更好的效果。其后Adnan Acan和Chunhua Li(2005)都对其进行改进，以提高算法的收敛速度。在人工免疫算法结构方面，刘若辰等(2004)对免疫单克隆机制和免疫多克隆机制进行了分析讨论。宋丹等(2005)提出一种基于多种群的自适应免疫进化算法IABM，引入记忆算子，充分利用优良基因信息指导后代生成，加快了收敛速度。李广强等(2006)将人机合作机制引入人工免疫算法，提出了人机合作的免疫算法，由设计者根据先验知识提供部分抗体个体，充分利用了先验知识改善算法种群质量，并利用布局设计问题验证了算法的可行性和有效性。

生物免疫机理与其他理论和算法的结合应用同样是一个重要的研究方向。先后提出了以下算法：免疫遗传算法(Jiao，王磊，2000；梁勤欧，2003)、人工免疫算法和蚁群算法结合(胡纯德等，蒋加伏等，2004)、免疫粒子群算法(高鹰等，2004)、自适应混沌克隆进化规划算法(杜海峰等，2005)、基于免疫选择和自组织临界变异的进化算法(曹先彬，2007)。目前关于人工免疫算法的研究方兴未艾，该算法研究仍未成熟，仍然存在一些问题，有待深入探讨，如早熟问题和搜索效率问题等。(www.xing528.com)

在应用研究方面，自Farmer在1986年提出免疫机理可以在机器学习等工程问题中得到应用之后，相关人员就一直在探索免疫机理在工程实际中的应用技术。而De Castro等完善了算法结构和算法模型后，更为人工免疫算法的应用研究提供了有力的支撑。综合现有文献，目前人工免疫算法在解决以下问题方面显示出了一定的优越性：旅行商问题(TSP)、分类器、路由选择、空间布局(梁勤欧，2003)。这些问题的解决为电力、电子、计算机安全和密码学等领域的应用问题提供了较好的解决方案。

国内外涉及有关人工免疫系统的研究者相对较少，但是在相关基础理论研究和应用方面都取得较大的进展。虽然国内从2000年才开始人工免疫系统的研究，已经在许多领域进行了实验研究，但是与国外相比，原创性的理论模型几乎没有，大部分是对国外相关理论的介绍和引进。

人工免疫系统相对于进化等算法具有其独特的优势(焦李成，2006)。De Castro和Von Zuben(1999，2000)依据克隆选择理论基本原理，提出了克隆选择算法(clonal selection principle，CLONALG)。Coello等(2005)提出了自己的多目标人工免疫算法；尚荣华等提出了用于多目标优化的人工免疫算法，取得了较好的效果；焦李成等(2012)提出了免疫记忆克隆约束多目标优化算法(IMCCMO)。目前克隆选择已经被广泛应用于信息安全、错误诊断、机器学习、数据挖掘、智能优化和遥感图像处理等多个领域。