【正文】 趣。研究者們根據(jù)問題的需要，從生物免疫系統(tǒng)中抽取若干個特性，建立了很多人工免疫系統(tǒng) (Artificial Immune SystemAIS)和人工免疫算法 (Artificial Immune AlgorithmAIA)，以解決復(fù)雜的工程實際問題。目前，在 AIS 和 AIA 中，主要采用了三種生物學免疫原理，即 :免疫網(wǎng)絡(luò)理論，反向選擇機制以及克隆選擇原理。 免疫系統(tǒng)是高等脊椎動物體內(nèi)能夠識別和排除抗原性異物，保護機體免受損害及維持內(nèi)環(huán)境穩(wěn)定的極為復(fù)雜的生物學系統(tǒng)。抗原性異物即是所謂“非己”物質(zhì)，稱為抗原，不管是曾經(jīng)遇到過的“非己”物質(zhì)，還是未曾遇到過的“非己”物質(zhì)，免疫系統(tǒng)均能識別并將其清除，很少錯把“非己”當作“自己”，或把“自己”當作“非己”。在免疫系江蘇大學 2020 屆本科畢業(yè)論文 14 統(tǒng)中，負責識別和清除抗原的是抗體，免疫系統(tǒng)的強大的識別能力，即來源于抗體的 多樣性。闡明免疫系統(tǒng)抗體多樣性產(chǎn)生機理的，是奧地利免疫學家伯內(nèi)特 ()于1957 年提出的細胞克隆選擇學說。這個學說認為免疫系統(tǒng)在胚胎期由于遺傳和免疫細胞在增殖中發(fā)生基因突變，形成了免疫細胞的多樣性。這些細胞不斷增殖形成無性繁殖系。細胞的無性繁殖系稱作克隆。有機體內(nèi)免疫細胞的多樣性能達到這種程度，以至于當每一種抗原侵入機體都能在機體內(nèi)選擇出能識別和消滅相應(yīng)抗原的免疫細胞，使之激活、分化和增殖，進行免疫應(yīng)答以最終清除抗原。 當病原體被清除后，免疫系統(tǒng)中就只存在抗體而不存在抗原了，或者抗原存在但 濃度很低，這種 (或多種 )與病原體匹配并參與清除抗原的抗體在免疫系統(tǒng)中大量存在，濃度較高，免疫系統(tǒng)這時處于一種失衡狀態(tài)，它如何回復(fù)到平衡狀態(tài)呢 ? 等人提出的獨特型 (idiotypic)網(wǎng)絡(luò)學說回答了這個問題。這個學說主要基于這樣的概念，即淋巴細胞并不是彼此孤立的，相反，不同種類的淋巴細胞間通過抗體的相互作用而交換信息并相互作用，共同完成免疫系統(tǒng)的功能。這一免疫網(wǎng)絡(luò)學說認為，抗體不但具有與抗原的抗原決定基 (epitope)相結(jié)合的抗體結(jié)合部位 (paratope)，而且具有自己的特定的抗原決定基 (idiotope)。具有這種特定的抗原決定基的抗體作為一種特殊的抗原與別的抗體相結(jié)合，亦即被抗原激勵的抗體反過來可以激勵別的抗體。當某種抗體的濃度達到一個給定閉值時，它就起到了某種抗原的作用而對別的能與之相匹配的抗體產(chǎn)生激勵作用，同時，它也被別的抗體抑制，從而導(dǎo)致其濃度的下降，直到免疫系統(tǒng)回復(fù)到平衡狀態(tài)。這就產(chǎn)生了所謂的免疫網(wǎng)絡(luò)。 免疫識別是免疫系統(tǒng)的主要功能，識別的本質(zhì)是區(qū)分“自我”和“非我”。免疫識別具有兩個層次上的涵義。一層涵義的識別是對入侵抗原的識別，主要是通過淋巴細胞上的抗原識別受體與抗原的結(jié)合來 實現(xiàn)的，二者結(jié)合的強度稱為親合度。另一層涵義的識別發(fā)生在胸腺中 T細胞成熟的過程，是生物免疫系統(tǒng)免疫耐受行為的根源所在。免疫系統(tǒng)對外界入侵抗原的識別依靠 T細胞表面的受體進行檢測，而在 T細胞的產(chǎn)生過程中，受體通過偽隨機基因重組過程來形成。基因重組形成的未成熟 T細胞在胸腺中首先要經(jīng)歷一個審查環(huán)節(jié)，只有那些不能與生物體自身蛋白細胞組織 (自我 )發(fā)生免疫應(yīng)答的 T細胞才可以離開胸腺，執(zhí)行免疫應(yīng)答的任務(wù) 。而那些對自身蛋白產(chǎn)生免疫應(yīng)答的未成熟 T細胞則被就地破壞掉，從而防止對生物體自身造成錯誤攻擊。也就是說，經(jīng)歷陰性選擇江蘇大學 2020 屆本科畢業(yè)論文 15 后的存 留下來的成熟 T 細胞都對抗原具有親和力，可形成免疫識別 。而對自體蛋白質(zhì)不具備親和力，可形成免疫耐受。 T 細胞成熟過程中經(jīng)歷的選擇過程稱為陰性選擇(Negative Selection)，亦稱反向選擇，基于陰性選擇的個體識別方法稱為免疫系統(tǒng)的自我 非自我識別原理，它也是免疫識別的一種主要方式。 人工免疫算法 近年來，國內(nèi)外己提出并發(fā)展了一些免疫算法，不同免疫算法的分析和比較主要從以下兩方面進行研究 :1)自然免疫系統(tǒng)的免疫學理論和方法 。2)計算機算法的分析量度。 主要免疫學說有反向選擇原理、進化學 說、克隆選擇理論、疫苗學說和免疫網(wǎng)絡(luò)理論等。根據(jù)這些不同的免疫學說提出以下 5種不同的免疫算法 : 反向選擇算法 免疫系統(tǒng)中的 T細胞在胸腺中發(fā)育，與自身蛋白質(zhì)發(fā)生反應(yīng)的未成熟 T細胞被破壞掉，所以成熟的 T 細胞具有忍耐自身的性質(zhì)，不對自身蛋白質(zhì)發(fā)生反應(yīng)，只對外來蛋白質(zhì)產(chǎn)生反應(yīng)，以此來識別自己與非己，這就是所謂的反向選擇原理。 Forrest 基于反向選擇原理提出了反向選擇算法用來異常檢測，算法主要包括兩個步驟 :首先，產(chǎn)生一個檢測器集合，其中每一個檢測器與被保護的數(shù)據(jù)不匹配 。其次，不斷地將集合中的 每一個檢測器與被保護數(shù)據(jù)相比較，如果檢測器與被保護數(shù)據(jù)相匹配，則判定數(shù)據(jù)發(fā)生了變化。 Forrest 用概率分析的方法估計了算法的可靠性與檢測集合大小的關(guān)系。該算法的顯著特點是異常檢測時不需要先驗知識，具有很強的魯棒性，其缺點為當被保護的數(shù)據(jù)變長時，集合中檢測器的數(shù)量按指數(shù)率增加，產(chǎn)生檢測器的代價過大。針對這一缺點， Helman 提出一種更有效的檢測器產(chǎn)生算法，使得集合中檢測器的數(shù)量隨著數(shù)據(jù)的長度按線性增長。 Patrik 對反向選擇算法進行了理論分析。 免疫遺傳算法 Chun 等提出了一種免疫算法，實 質(zhì)上是改進的遺傳算法。根據(jù)體細胞和免疫網(wǎng)絡(luò)理論改進了遺傳算法的選擇操作，從而保持了群體的多樣性，提高算法的全局尋優(yōu)性能。通過在算法中加入免疫記憶功能，提高了算法的收斂速度。算法中把抗原看作目標函數(shù)，抗體看作問題的可行解，抗體與抗原的親和力看作可行解的適應(yīng)度。算法中引入了抗體濃度的概念，并用信息嫡來描述，表示群體中相似可行解的多少。算法根據(jù)抗體與抗原江蘇大學 2020 屆本科畢業(yè)論文 16 的親和力和抗體的濃度進行選擇操作，親和力高且濃度小的抗體選擇概率大，這樣就抑制了群體中濃度高的抗體，保持了群體的多樣性。 Chun 將免疫算法與進化策略、遺傳算法相比 較，指出免疫算法的特點與優(yōu)點。 克隆選擇算法 Castro 提出基于免疫系統(tǒng)的克隆選擇理論提出克隆選擇算法，該算法是模擬免疫系統(tǒng)學習過程的進化算法。 免疫應(yīng)答產(chǎn)生抗體是免疫系統(tǒng)的學習過程，抗原被一些與之匹配的 B 細胞識別，這些 B 細胞分裂，產(chǎn)生的子 B細胞在母細胞的基礎(chǔ)上發(fā)生變化。以尋求與抗原匹配更好的B細胞。與抗原匹配更好的子 B細胞再分裂。如此循環(huán)往復(fù)，最終找到與抗原完全匹配的 B 細胞， B 細胞變成漿細胞產(chǎn)生抗體，這一過程就是克隆選擇過程?？寺∵x擇算法模擬這一過程進行優(yōu)化。 Castro 進 一步將免疫網(wǎng)絡(luò)理論和克隆選擇算法相結(jié)合，提出了人工免疫網(wǎng)絡(luò)學習算法用于知識發(fā)現(xiàn)，冗余數(shù)據(jù)挖掘，自動分類，并對算法的參數(shù)靈敏度特性進行了分析。 基于疫苗的免疫算法 焦李成等提出基于免疫系統(tǒng)的理論提出基于疫苗的免疫算法。該算法中加入免疫算子，以提高算法的收斂速度和防止群體退化。免疫算子包括苗和免疫選擇兩個部分，前者為了提高適應(yīng)度，后者為了防止種群退化。理論明這種免疫算法是收斂的，對 75城市 TSP 問題的仿真驗證了該算法的有效性。 基于免疫網(wǎng)絡(luò)的免疫算法 Naruaki 提出基于主要組 織相溶性復(fù)合體 (MHC)和免疫網(wǎng)絡(luò)理論自適應(yīng)優(yōu)化的免疫算法，用于解決多艾真體中每個艾真體的工作域分配問題要分兩步 :(1)MHC 區(qū)別自己和非己，消除智能體中的競爭狀態(tài) 。(2)用免疫網(wǎng)絡(luò)產(chǎn)生智能體的自適應(yīng)行為。 NTSP問題的仿真表明，該算法具有自適應(yīng)能力遺傳算法具有更高的搜索效率。 除了以上主要免疫學習算法外， Hunt 提出了一種包括骨髓、 B細胞網(wǎng)和抗體的免疫學習算法 。Ishida 提出了基于智能體結(jié)構(gòu)的免疫算法。 江蘇大學 2020 屆本科畢業(yè)論文 17 第三章 系統(tǒng)的設(shè)計與實現(xiàn) 人工免疫算法設(shè)計 人工免疫算法基本步 驟 （ 1）問題識別。根據(jù)給定的目標函數(shù)和約束條件作為算法的抗原。 （ 2）產(chǎn)生抗體群。初始抗體群通常是在解空間用隨機的方法產(chǎn)生的，抗體群采用二進制編碼來表示。 （ 3）計算抗體適應(yīng)值。即計算抗原和抗體的親和度。 （ 4）生成免疫記憶細胞。將適應(yīng)值較大的抗體作為記憶細胞加以保留。 （ 5）抗體的選擇 (促進和抑制 )。計算當前抗體群中適應(yīng)值相近的抗體濃度， 濃度高的則減小該個體的選擇概率 — 抑制 。反之，則增加該個體的選擇概率 — 促進，以此保持群體中個體的多樣性。 （ 6）抗體的演變。進行交叉和變異操作，產(chǎn)生新抗體群。 （ 7）抗 體群更新。用記憶細胞中適應(yīng)值高的個體代替抗體群中適應(yīng)值低的個體，形成下一代抗體群。 （ 8）終止。一旦算法滿足終止條件則結(jié)束算法。否則轉(zhuǎn)到 （ 3）重復(fù)執(zhí)行。 人工免疫算法流程圖 江蘇大學 2020 屆本科畢業(yè)論文 18 圖 圖 否定選擇算法流程圖 人工免疫的相關(guān)設(shè)計 int r=6。/*最長有效位長度 */ int flag_r=0。/*用于 關(guān)閉自適應(yīng) r值 */ int antinum=2048。/*抗體最大個數(shù) */ int antitotal=0。/*抗體是否足夠 */ int antileng=48。/*每次檢查的抗體長度 */ 江蘇大學 2020 屆本科畢業(yè)論文 19 通過遞歸算法生成檢測器： Y N Y N N Y 圖 遞歸生成檢測器流程圖 計算每個檢測器檢測出非法的次數(shù)：檢測器的信息素的值保存在 infor 數(shù)組中，檢測訪問請求時，將檢測出非法請求的檢測器的對應(yīng)的信息素的值加 1。 開始 調(diào)用函數(shù) selectiona_rcb(char *anti,int n,float rone) antitotal==antinum n=antileng n(antileng1) n=n+1 結(jié)束 江蘇大學 2020 屆本科畢業(yè)論文 20 蟻群算法實現(xiàn)步驟 步驟 1 計算人工免疫算法中整體檢測中 每個檢測器檢測出非法的信息素； 步驟 2 根據(jù) 每個檢測器檢測出非法的信息素對檢測器排序； 步驟 3 選出信息素較高的 500個檢測器； 步驟 4 用選出的檢測器檢測；檢測的同時更新檢測器的信息素； 步驟 5 每檢測 30請求，統(tǒng)計合法請求和非法請求的次數(shù)，計算最大、最小和平均時間， 并輸出。然后跳到步驟 2繼續(xù)，直到檢測完所有請求； 步驟 6 輸出檢測結(jié)果。 其中 根 據(jù)信息素總數(shù)對信息素排序的主要代碼： if(infor[n][6]infor[m][6]) { for (t=0。t=8。t++) { s[t]=infor[n][t]。