2.1　生物免疫系统与人工免疫系统

人体可以依靠自身能力抵御某些疾病，甚至可以在感染一些疾病后通过自身调节自愈，具有这种抵御和自愈能力的就是免疫系统 ^[1] 。随着医学的发展，人们对生物免疫系统的认识与理解得到了深化与完善，研究表明，免疫系统是生物特别是脊椎生物所必备的防御机制，它由具有免疫功能的器官、组织、细胞、免疫效应分子和有关的基因等组成，可以保护机体抗御病原体、有害的异物以及癌细胞等致病因子的侵害 ^[2-3] 。近代免疫的概念是指机体对“自己”（self）或“非己”（non-self）的识别并排除非己的功能，具体地说，免疫是机体识别和排除抗原性异物，以维护自身生理平衡和稳定的功能。

生物免疫系统由免疫器官、免疫细胞和免疫分子组成。免疫器官根据它们的作用可分为中枢免疫器官和周围免疫器官。免疫细胞广义上可包括造血干细胞系、淋巴细胞系、单核吞噬细胞系、粘细胞系、红细胞、肥大细胞和血小板等。免疫分子包括免疫细胞膜分子、免疫球蛋白分子、补体分子和细胞因子等 ^[7] 。免疫功能主要包括免疫防御、免疫稳定和免疫监视。免疫防御（immunologic defense）即机体防御病原微生物感染；免疫稳定，即机体通过免疫功能消除那些损伤和衰老的细胞以维持机体的生理平衡；免疫监视，即机体通过免疫功能防止或消除体内细胞在新陈代谢过程中发生突变的和异常的细胞。

从工程应用和信息处理角度来看，生物免疫系统为人工智能提供了许多信息处理机制。

（1）生物免疫系统的各种组成细胞和分子广泛地分布于整个生物体，是一种没有中央控制的分布式自治系统，同时也是一类能有效地处理问题的非线性自适应网络系统。比如，生物免疫系统有多种多样的B细胞，而且这些B细胞之间的相互反应能在动态变化的环境中维持个体的平衡。

（2）生物免疫系统类似于工程应用中的自组织存储器，而且可以动态地维持其系统的状态。它具有内容记忆和能遗忘很少使用的信息等进化学习机理以及学习外界物质的自然防御机理，是一个自然发生的事件反应系统，能很快地适应变化的外界环境。

（3）生物免疫系统抗体多样性的遗传机理可借鉴用于搜索优化算法。在具体的进化过程中，它通过生成不同抗原的抗体来达到全局优化的目的。目前对抗体多样性的解释分为种系学说和体细胞突变学说两种，不过一般认为抗体多样性可能是受基因片断多样性的链接和重链以及轻链配对时的复杂机制所至。

（4）各种免疫网络学说，如独特型免疫网络、互联耦合免疫网络、免疫反应网络和对称网络等，可被借鉴用于建立人工免疫网络模型。

（5）基于对异物的快速反应和很快地稳定免疫系统的免疫反馈机理来建立有效的反馈控制系统，如基于T细胞的免疫反馈规律设计自调节免疫反馈控制器等。

（6）生物免疫系统的免疫耐受现象及其维持机理允许抗原被相同的抗体识别，因此能容忍抗原噪声，其机理可被用于建立新的故障诊断方法。

（7）抗体网络的振荡、混沌和稳态等免疫系统的非线性特征，可为非线性科学研究开拓新的领域。

（8）生物免疫系统的其他机理，如免疫系统中抗体的初次和再次免疫应答、克隆选择学说等都可以被借鉴用于建立仿生智能系统。

正是充分认识到生物免疫系统中蕴涵丰富的信息处理机制，Farmer等 ^[4] 率先基于免疫网络学说给出了免疫系统的动态模型，并探讨了免疫系统与其他人工智能方法的联系，开始了人工免疫系统（Artificial Immune Systems，AIS）的研究 ^[5] 。直到1996年12月，在日本首次举行了基于免疫性系统的国际专题讨论会，提出了AIS的概念，才真正拉开AIS研究的序幕。随后，AIS进入了兴盛发展期，D. Dasgupta和丁永生等认为AIS已经成为人工智能领域的理论和应用研究热点，相关论文和研究成果正在逐年增加 ^[5-6] 。1997和1998年IEEE Systems，Man and Cybernetics国际会议还组织了相关专题讨论，并成立了“人工免疫系统及应用分会”。从2002年开始在英国Kent大学等地相继举办了四届人工免疫系统国际会议（ICARIS）。AIS作为一个新兴领域，也引起了国内很多研究团队的学习与研究。其中，王煦法教授的团队在国内较早开展了免疫算法方面的研究 ^[8-10] ；焦李成教授的团队在国际上较早提出了新颖的免疫遗传算法 ^[11] ，并提出了具有较完备理论基础的免疫克隆选择算法及一系列改进 ^[12-17] ；李涛教授的团队在计算机免疫系统方面进行了深入的研究 ^[18] ；丁永生教授的团队在免疫控制方面开展了有效的工作 ^[19] ；黄席樾和张著洪教授的团队提出了比较系统的免疫算法理论 ^[20] ；莫宏伟博士的团队在免疫计算数据挖掘应用方面开展了深入的研究，并编辑出版了相关著作 ^[21] ；肖人彬教授的团队提出了工程免疫计算的概念，并对其在识别、优化、学习等典型工程问题中的应用进行了深入研究 ^[22] 。

AIS是受免疫学启发，模拟免疫学功能、原理和模型来解决复杂问题的自适应系统 ^[23] ，是模仿生物免疫系统功能的一种智能方法。它通过学习外界物质的自然防御机理的学习技术，提供噪声忍耐、无教师学习、自组织、记忆等进化学习机理，结合了分类器、神经网络和机器推理等系统的一些优点，具有提供新颖的解决问题方法的潜力 ^[5] 。其研究成果涉及控制、数据处理、优化学习和故障诊断等许多领域，已经成为继神经网络、模糊逻辑和进化计算后人工智能的又一研究热点。虽然AIS已经被广大研究者逐渐重视，然而与已经有比较成熟的方法和模型利用的人工神经网络研究相比，不论是对免疫机理的认识，还是免疫算法的构造及工程应用，AIS的相应研究都处在一个比较低的水平。 Uf1iOXrvJ/smA9jSeVGVUCVXeyFfdpFxXTAtxPrar9Rapc7qD7wcplO4r2qkctX8