2.8.2　免疫算法

从计算的观点看，自然免疫系统是一种完全并行和分布的自适应系统，具有进化学习、联想记忆和模式识别等能力。免疫系统学习识别相关模式，记住以前见到的模式，用组合学高效地建立模式检测器。智能计算算法主要有阴性选择算法模拟免疫识别过程，通过构造“T细胞”结构，定义一组“自我集”和“监视集”，通过按概率检测系统异常，能够实现鲁棒的故障诊断；克隆选择算法以免疫系统中的B细胞为原型，通过B细胞网络的模式匹配和记忆更新，可以完成复杂的模式学习和自组织记忆；免疫遗传算法将体细胞理论和遗传算法相结合，通过在遗传算法流程中添加个体浓度控制机制，使得高适应度的超级个体在群体中的扩散速度被有效控制，从而有助于解决遗传算法的早熟问题，具有较强的全局优化能力；免疫Agent算法借鉴了免疫系统的局部记忆学说和免疫网络学说，具有多样性产生、自忍耐建立、记忆非己三种特点，适合用于计算机病毒库进化、网络防御和自适应控制等应用领域；免疫规划通过引入“免疫算子”——接种疫苗和免疫选择，在算法中模拟了免疫系统特有的自适应性和人工免疫这一加强免疫系统的手段，使得算法具有快速全局收敛的良好性能。