其中optv,w表示抗体v和抗原w的结合强度，即抗体v在目标函数w的解和 此函数最优解的接近程度，
7.2.2 更一般化的基本免疫算法
(2) 求解更一般问题的免疫算法
V
V

7.2.2 更一般化的基本免疫算法
(2) 求解更一般问题的免疫算法 假设在形态空间内，抗体v和抗原的坐标分别为 和，v=1,..,N，那么它们之间的距离为
结束
7.4 免疫算法的应用
识别与分类问题 优化问题 机器人学习与控制 数据挖掘
部分抗体
7.3.2 克隆选择算法
克隆选择流程图
(Байду номын сангаас)
Nd
Pr
M 选择

(1)
Pn
(5) 重新选择 克隆 C 成熟 C*

(2)
(3)

(4)
7.3.3 免疫算法与进化计算
免疫遗传算法
开始 Generation = 0 创建初始种群 计算个体的适应度 是否满足 结束条件 否 交叉 变异 注射疫苗 免疫选择 重新复制出新的种群 Generation + 1 是
7.3.1 负选择算法
算法基本思想：需要两个字符串组成的集合R和 R，通过先求一个和S不匹配的R集合，然后用R 集合判断S集合是否发生了变化。 算法分成两部分，第一步是初始化R，第二步监 视保护数据S。
7.3.1 负选择算法
初始化监测器R
生成随机串R0
自体串集合S
匹配
拒绝
把R0中不和S所有的串匹配的串放 入R集合，作为检测器
免疫算法最先起源于1973-1976年间Jernel的三 篇关于免疫网络的文章，Jernel在文中提出了一 组基于免疫独特型的微分方程，这就是最早的免 疫系统。 免疫算法的主要会议: International Conference on Artificial Immune Systems，ICARIS
Manhattan距离 D
Euclidean距离 D Hamming距离
M
(abvi ag i )2
i 1
M
abvi ag i
i 1
M
1, if abvi ag i D i ,i 0, otherwise i 1
7.3 常用免疫算法
7.3.1 负选择算法 7.3.2 克隆选择算法 7.3.3 免疫算法与智能计算
7.1.2 免疫算法的生物模型
病原体
皮肤 生理学环境
先天性 免疫应答
巨噬细胞
后天性 免疫应答
受体
B淋巴细胞
7.1.3 二进制模型
轻链 抗体决定簇 Paratope 抗体j 重链 抗原决定基 Epitope
抗体k B 淋巴细胞
抗体i
抗体
ek 抗体k表现型 p k
1101010100 0000011111
7.2 免疫算法的基本流程
免疫系统和免疫算法的比较
免疫系统 抗原 抗体 抗原识别 从记忆细胞产生抗体 淋巴细胞分化（记忆细胞分化） 免疫算法 要求解的问题 最佳解向量 问题识别 联想过去的成功解 维持最优解
T细胞抑制抗体
生命增加（细胞克隆）
消除多余的候选解
用遗传算子生成新的抗体
7.2.1 基本流程
第7章 免疫算法
目录
1 2 3 4 免疫算法简介
基本流程
常用免疫算法 相关应用
7.1 免疫算法简介
免疫算法是什么？
免疫算法（Immune Algorithm，IA）： 是指以在人工免疫系统的理论为基础， 实现了类似于生物免疫系统的抗原识别、细胞分化、 记忆和自我调节的功能的一类算法。
7.1.1 思想来源
开始 抗原识别
初始抗体产生 记忆细胞分化 亲和力计算
抗体产生的促进和抑制
群体更新
否
满足终止条件 是 结束
7.2.1 基本流程
免疫算法的七个要素 识别抗体，生成初始化的抗体，计算亲和度， 记忆细胞分化，抗体促进和抑制，产生新的抗体， 结束条件。
7.2.1 基本流程
计算亲和度
抗体v和抗原的亲和度为axv
1 axv 1 optv
其中optv表示抗体v和抗原的结合强度，对最优化问题， 可以用抗体v的独特型的解和已知的最优解的相似程度 表示。
7.2.2 更一般化的基本免疫算法
(1)求解多目标优化问题的免疫算法
把抗体v和抗原w的亲和度axv,w重新定义为
axv , w
1 1 optv , w
7.3.1 负选择算法
监视保护数据S
初始串集合S随机变异若 干部分
检测器R
两集合的串存在匹配 否 探测到非自体
是
没有探测到
7.3.2 克隆选择算法
克隆选择原理图
抗原 抗原决定基 抗体决定簇 10011001 11101001 01100110
成熟
2
12
47
128
死亡
骨髓
克隆选择
2
2
2
2
128
128