用于约束优化的人工免疫响应进化策略

基于克隆选择学说及生物免疫响应过程的相关机理,探讨一种新的人工免疫系统模型———人工免疫响应,提出用于解决约束优化问题的人工免疫响应进化策略;基于算法网络拓扑结构的分析表明,新算法比传统的进化策略(μ,λ)-ES具有更大的收敛概率.对10个标准测试问题的测试结果表明,与采用随机排序的进化策略和采用动态惩罚函数的进化策略相比,新算法在收敛速度和求解精度上均具有一定的优势.

人工免疫响应的模型研究

根据人类免疫系统的免疫响应过程和免疫学中独特型免疫网络的假设,从免疫响应中B细胞的结合、B细胞的激励以及复制等方面入手,提出了建立人工免疫响应网络模型的新思想.描述了该免疫网络的结构模型、网络中各单元的相互作用和B细胞的克隆扩增以及网络结构的动态更新,并将网络对抗原的首次响应和二次响应进行了仿真.同人类的免疫系统类似,该免疫网络具有学习、记忆和辨识能力,同时具备分布、并行处理的特点.