工程免疫计算:基本概念与研究框架

人工免疫系统（artificial immune system，AIS）是目前人工智能领域的研究前沿之一．分析了AIS所要解决的各种工程实际问题的共性特点和聚类特征，将工程领域中的各种AIS应用问题聚类归纳为若干类别的典型工程问题，存此基础上提炼形成了工程免疫计算（engineering immune computing，EIC）的概念．给出了EIC的定义，对其概念内涵进行了阐释，说明了EIC和AIS之间的关系；构建提出了EIC的研究框架，包括基本原理、实现技术、工程应用以及理论分析和实现方法等5个部分，并对这些组成部分进行了详细阐述．从面向问题求解的免疫设计和面向产品演化的免疫设计2个方面对基于EIC的产品设计方法进行了阐述，以产品设计为例，对基于EIC的工程应用展开了进一步说明．结合AIS在工程领域中的应用现状及其存在的问题，展望了EIC的发展方向，着重论述了其在产品设计领域中的应用前景．EIC概念的提出充实和发展了AIS的研究范畴，可为更好地利用AIS解决工程实际中的诸多复杂问题提供有效的方法指导．     

自然计算研究进展

自然计算是计算机科学与人工智能领域中重要的研究内容之一.经过几十年的发展,已经逐渐发展成为涉及多个学科的新兴交叉研究领域,其研究目的在于从自然界中寻求解决人类所面临的复杂问题的方法.早期自然计算主要集中在进化计算、人工神经网络、模糊系统3个主要方面,近20年研究人员提出群体智能、人工免疫系统、DNA计算等新方法.对群体...     

人工免疫系统整体架构及其在数据分类中的应用

受智能进化理论的启发，集成现有的免疫算法，加入更高的智能层次上新的免疫机制，建立了一个人工免疫系统的整体多层次架构．首先，从智能进化的角度说明基于整体免疫系统信息处理机制的算法具有更高的“计算”能力．然后，就一种新的基于人工免疫系统整体架构的数据分析算法，介绍了试验结果，并对结果进行了讨论．最后，笔者指出，人工免疫系统整体架构不仅可以提高现有算法的效率，而且可以扩展人工免疫系统的应用领域．     

人工免疫算法与系统集成的研究

生物免疫系统是一个复杂、并行、鲁棒的自适应系统,以其智能的信息处理能力而逐渐备受关注。为使研究人员能全面了解人工免疫常用算法原理及其应用和免疫系统与其他智能系统的交叉融合研究,以及由此建立的人工免疫系统模型、算法,在简述免疫系统生物学原理的基础上,概括了不同的免疫算法和各自的特性,总结了当前人工免疫系统与人工神经网络、进化算法、模糊系统的集成情况及工程应用现状。最后讨论了人工免疫系统面临的问题及未来发展趋势。     

人工免疫算法与系统集成的研究

生物免疫系统是一个复杂、并行、鲁棒的自适应系统,以其智能的信息处理能力而逐渐备受关注。为使研究人员能全面了解人工免疫常用算法原理及其应用和免疫系统与其他智能系统的交叉融合研究,以及由此建立的人工免疫系统模型、算法。在简述免疫系统生物学原理的基础上,概括了不同的免疫算法和各自的特性,总结了当前人工免疫系统与人工神经网络、进化算法、模糊系统的集成情况及工程应用现状。最后讨论了人工免疫系统面临的问题及未来发展趋势。     

人工免疫系统及其在控制领域中的应用

本文介绍了人工免疫系统及其在控制领域中的应用，首先简要介绍生物免疫系 统可被发展用于人工免疫系统的相关机理，然后给出基于生物免疫系统机理开发的、并应用 于控制领域的人工免疫网络模型和免疫学习算法，接着举例说明近年来人工免疫系统在控制 领域中的最新研究结果，最后给出了进一步的研究工作．     

人工免疫系统研究及其工程应用

人工免疫系统是一种由生物免疫系统启发的学习外界物质的自然防御机理的学习技术。目前,人工免疫系统已开始成为计算智能研究的新领域。本文首先介绍免疫系统的机理,然后给出人工免疫网络模型和免疫学习算法,接着说明人工免疫系统的最新研究成果,最后指出其进一步研究的方向。     

基于r-连续位匹配规则的免疫计算中孔洞的研究

自体/非自体识别是免疫计算的基础,也是构建人工免疫系统的核心问题之一。针对免疫算法的编码方式,孔洞定义及其成因进行了阐述;在此基础上量化分析了基于r-连续位匹配规则的孔洞规模,给出了此类孔洞数目的计算算法;最后比较现有方案,提出更为优化的解决方案。     

基于人工免疫理论的多Agent系统协同框架

多Agent系统因其自身的协同、协商、合作机制,对降低问题求解难度和求解复杂性具有十分重要意义.而人工免疫系统具有良好的多样性、分布式并行处理、自组织、自学习等特点.通过提出一种基于人工免疫系统的多Agent系统控制框架,将人工免疫理论中的免疫记忆、clone选择、亲和力计算、自学习等特点应用于多Agent系统中的协同工作中,更好地解决多Agent的协同优化问题.     

基于免疫进化计算的分布式入侵检测方法

提出一种网格计算环境下基于免疫进化计算的分布式入侵检测方法,应用免疫进化计算、定义生成检测器方法和基因库进化学习方法提高分布式入侵检测的主动性和自适应性。利用网格安全环境实现系统的负载均衡,提高系统的并行处理能力。仿真实验结果证明了该方法的有效性,与基于人工免疫的入侵检测方法相比,误检率降低了0.37%,在确保检测率的同时提高了并行处理能力,降低了处理 时延。