人工免疫系统是模仿自然免疫系统功能的一种智能方法，是继人工神经网络、进化计算之后新的智能计算研究方向，是生命科学和计算机科学相交叉而形成的交叉学科研究热点。本书是作者几年来科研成果的总结。全书共分9章，主要内容是在计算智能的基础上，针对人工神经网络、进化计算和人工免疫系统进行了理论研究和应用研究，重点研究人工免疫系统的免疫克隆选择算法及其理论改进和应用研究，并将提出和改进的算法应用到大气环境质量评价和大气环境质量预测两个领域，取得了令人满意的结果。
编辑推荐
韩旭明编著的《人工免疫算法改进及其应用》在计算智能的基础上，针对人工神经网络、进化计算和人工免疫系统进行了理论研究和应用研究，重点研究人工免疫系统的免疫克隆选择算法及其理论改进和应用研究，本书适合从事计算机及其相关学科的师生，以及相关科研院所的科研人员阅读。 作者简介
韩旭明，副教授，毕业于吉林大学。1996年毕业于吉林工学院计算机系，毕业后留校任教，已任教17年。分别于2006年，2010年获得天津大学计算机科学与技术学院的硕士学位和吉林大学计算机科学与技术学院的博士学位。 目录
第1章绪论 1
1.1背景与意义 1
1.2大气质量评价与预测 2
1.2.1大气与大气污染 2
1.2.2大气污染及危害 3
1.2.3国内外大气质量研究现状 4
1.3本书主要研究内容 6
1.4本书结构安排 7
参考文献 8
第2章计算智能概述 11
2.1人工神经网络简介 12
2.1.1神经网络的发展 13
2.1.2神经元及变换函数 15
2.1.3神经网络拓扑结构 16
2.1.4神经网络分类 17
2.1.5神经网络工作方式 18
2.1.6神经网络学习方法 18
2.2进化计算 20
2.2.1进化计算生物学基础 20
2.2.2进化计算发展 21
2.2.3进化计算主要分支 23
2.2.4进化计算的主要特征 25
2.3人工免疫系统 26
2.3.1人工免疫系统的发展 27
2.3.2免疫系统的生物学机理 29
2.3.3人工免疫系统模型 33
2.3.4人工免疫系统应用 33
2.3.5免疫系统特性 37
2.3.6人工免疫算法 38
2.4本章小结 43
参考文献 43
第3章人工免疫克隆选择算法 48
3.1免疫克隆选择算法研究现状 50
3.2传统免疫克隆选择算法 52
3.2.1传统免疫克隆选择算法 52
3.2.2传统免疫克隆选择算法的不足 53
3.3引入疫苗接种策略的免疫克隆选择算法 54
3.3.1抗体克隆的规模和疫苗的提取 54
3.3.2疫苗的选择 55
3.3.3疫苗的接种 56
3.3.4算法描述 57
3.4引入局部高斯变异算子的免疫克隆选择算法 59
3.4.1局部高斯变异算子的构造 59
3.4.2算法描述 60
3.5引入疫苗接种策略和高斯变异算子的免疫克隆选择算法 60
3.5.1问题的提出 60
3.5.2算法描述 62
3.6本章小结 63
参考文献 64
第4章基于改进免疫克隆选择算法优化的大气质量评价模型及其应用 66
4.1大气污染损害率普适公式 66
4.2改进免疫克隆选择算法优化参数 67
4.2.1构造目标函数 67
4.2.2传统免疫克隆选择算法优化参数 68
4.2.3引入疫苗接种策略的免疫克隆选择算法优化参数 70
4.2.4引入局部高斯变异算子的免疫克隆选择算法优化参数 71
4.2.5引入疫苗接种策略和高斯变异算子的免疫克隆选择算法优化参数 74
4.3四种算法的比较与性能分析 75
4.3.1算法比较的约束条件 75
4.3.2四种算法比较与性能分析 75
4.4基于改进免疫克隆选择算法的大气质量综合污染评价模型 79
4.5五个级别大气污染损害率取值范围的确定 80
4.6某城市大气质量评价结果及分析 80
4.7十个监测点大气质量评价结果及与其他评价方法的比较和分析 84
4.8本章小结 86
参考文献 86
第5章基于免疫克隆选择算法优化的动态递归神经网络 89
5.1Elman神经网络 89
5.1.1Elman神经网络数学模型 89
5.1.2Elman神经网络学习算法 90
5.1.3Elman神经网络学习算法的缺陷 91
5.2基于改进免疫克隆选择算法优化的动态递归神经网络 92
5.2.1多参分析 92
5.2.2动态阈值 93
5.2.3算法描述 94
5.3本章小结 95
参考文献 95
第6章引入趋势信息的双反馈Elman神经网络 96
6.1趋势信息 96
6.2双反馈Elman神经网络 96
6.3引入趋势信息的双反馈Elman神经网络 98
6.4本章小结 100
参考文献 100
第7章若干算法在大气质量预测中的应用 101
7.1性能评价指标 101
7.2基本Elman神经网络在大气质量拟合中的应用 101
7.2.1基本Elman神经网络拟合实验 102
7.2.2仿真实验 102
7.3引入趋势信息Elman神经网络在大气质量拟合中的应用 102
7.3.1引入趋势信息Elman神经网络拟合实验 103
7.3.2仿真实验 103
7.4基于免疫克隆选择算法优化的Elman神经网络在大气质量拟合中的应用 104
7.4.1基于免疫克隆选择算法优化的Elman神经网络拟合实验 104
7.4.2仿真实验 105
7.5几种算法在大气质量拟合应用中的比较 106
7.6几种算法在大气质量预测中的应用 108
7.6.1基本Elman神经网络预测大气质量 109
7.6.2引入趋势信息的双反馈Elman神经网络预测大气质量 109
7.6.3基于免疫克隆选择算法优化Elman神经网络预测大气质量 109
7.6.4仿真实验与结果分析 110
7.7本章小结 112
参考文献 112
第8章基于粒子群算法优化的大气质量评价模型及其应用 114
8.1我国最常使用的API大气质量评价法 115
8.2粒子群优化算法概述 116
8.2.1粒子群优化算法原理 117
8.2.2粒子群优化算法流程 117
8.3基于粒子群优化算法大气质量指数评价模型 117
8.3.1大气质量综合污染损害指数评价模型 118
8.4仿真模拟与分析 119
8.5本章小结 121
参考文献 122
第9章结论与展望 124
9.1结论 124
9.2展望 125 序言
由生物引发的信息处理系统可以分为：人工神经网络，进化计算和人工免疫系统。其中，人工神经网络和进化计算已经被广泛地应用于各个领域，并产生了巨大的经济效益和社会效益。近年来，随着人们对免疫系统机理的进一步揭示，关于人工免疫系统的理论研究和应用研究倍受关注，一些研究成果已经被广泛用于机器学习、故障诊断、机器人行为仿真和控制、网络入侵检测和函数优化等众多领域，表现出的性能和效率。
本书是作者几年来科研成果的总结。全书共分8章，主要内容是在智能计算的基础上，针对人工神经网络、进化计算和人工免疫系统进行了理论研究和应用研究，重点研究人工免疫系统的免疫克隆选择算法及其理论改进和应用研究，并将提出和改进的算法应用到大气质量评价和大气质量预测两个领域，取得了令人满意的结果，具体研究内容如下：
（1）主要介绍了人工神经网络的拓扑结构、分类、工作方式和学习方法，以及免疫系统的生物学机理、人工免疫系统与人工免疫算法等。另外，还介绍了进化计算的生物学基础、进化计算的主要特征等相关知识。智能计算中的人工神经网络、进化计算、人工免疫系统等相关理论知识是本书主要研究工作的基础。
（2）在人工免疫系统的基础上，提出引入疫苗接种策略的免疫克隆选择算法，即ICSA-VS（Immune Clonal Selection Algorithm Introduced into Vaccination Strategy）算法。在疫苗提取，疫苗选取，疫苗接种过程中引入轮盘赌选择算法，并构造了二进制位基因位选取和接种策略等方法。算法采用实数制编码；根据解决问题的复杂程度和实际需要确定抗体的克隆规模；疫苗提取是将优良抗体集合中的全部抗体作为候选疫苗种群；根据候选疫苗个体亲和度占候选疫苗种群所有个体亲和度之和的比率，计算候选疫苗个体被选取的概率，通过轮盘赌方法在候选疫苗种群中选取候选接种疫苗；将候选接种疫苗与克隆后的抗体按照二进制位基因位选取得到的基因位进行疫苗接种，形成新抗体。本书提出的引入疫苗接种策略的免疫克隆选择算法在疫苗接种过程中具有随机性、自适应性和多样性等特点，提高了优良抗体和疫苗的接种概率，确保优良抗体和基因能够在子代抗体中得以继承和延续，实现了免疫的自我调节功能。
（3）提出引入局部高斯变异算子的免疫克隆选择算法，即ICSA-LGMO（Immune Clonal Selection Algorithm Introduced into Local Gaussian Mutation Operator）算法。高斯变异继承了高斯分布具有的集中性、对称性和均匀变动性等优良特征，具有较好的局部搜索能力。主要改进方法是通过构造并引入局部高斯变异算子指导抗体基因变异，利用局部高斯变异的小步长不断地自适应调整与变换，实现抗体基因在局部区域上的扰动，搜索原抗体附近比原抗体更好满足问题的新抗体和基因，从而形成新的抗体。本书提出的引入局部高斯变异算子的免疫克隆选择算法有效地提高了局部求解的精度，克服了传统免疫克隆选择算法局部搜索能力不佳的问题。
（4）鉴于引入疫苗接种策略的免疫克隆选择算法和引入局部高斯变异算子的免疫克隆选择算法具有的优点，将两种算法相结合，提出了引入疫苗接种策略和高斯变异算子的免疫克隆选择算法，即ICSA-VSLGMO（Immune Clonal Selection Algorithm Introduced into Vaccination Strategy and Local Gaussian Mutation Operator）算法。另外，对两种算法相结合，互相促进，相互提高的过程进行分析。本书提出的引入疫苗接种策略的免疫克隆选择算法和引入局部高斯变异算子的免疫克隆选择算法局部搜索更为细腻，求解的精度也明显提高。这种求解精度的提高不是上述两种算法通过增加运行时间，提高迭代次数所能达到的，是两种算法优势上的相互补充，互相促进与提高。此外，在几种改进的免疫克隆选择算法中，本书还采用了扩大搜索空间策略，确保在全局范围内搜索到较好的新抗体和基因，避免陷入局部峰值。同时，还采用禁忌算法和插入排序等方法提高算法效率。
（5）在引入疫苗接种策略的免疫克隆选择算法和引入局部高斯变异算子的免疫克隆选择算法的基础上，根据评价大气质量的目标函数，采用引入疫苗接种策略和高斯变异算子的免疫克隆选择算法对大气污染损害率公式进行参数优化，进而提出一种基于免疫克隆选择算法的大气质量评价模型和评价方法。通过模拟实验结果的比较和分析得出：与传统免疫克隆选择算法相比，本书提出的引入疫苗接种策略的免疫克隆选择算法，引入局部高斯变异算子的免疫克隆选择算法，引入疫苗接种策略和高斯变异算子的免疫克隆选择算法的全局和局部搜索能力明显提高，提高了求解精度。引入疫苗接种策略和高斯变异算子的免疫克隆选择算法能够在保持种群多样性的同时提高算法收敛速度；本书提出的大气质量评价方法具有原理直观，物理意义明确，评价结果准确等优点。它是人工免疫理论和技术应用于大气环境领域的一种全新的有效方法，具有较好的实用性和应用前景。
（6）提出一种适合于优化多参问题的动态阈值方法。该方法结合抗体间的相似度确定初始阈值，通过构造阈值递减函数约束动态阈值的衰减幅度，避免产生相似的抗体，有效克服免疫克隆选择算法优化多参问题时产生的近亲繁殖和早熟收敛问题。
（7）在Elman人工神经网络基础上，鉴于引入动态阈值策略的引入疫苗接种策略和高斯变异算子的免疫克隆选择算法在多参优化方面具有较好的优势，提出了一种基于改进免疫克隆选择算法（引入动态阈值策略的ICSA-VSLGMO算法）优化动态递归神经网络的新方法。对递归神经网络的具体结构，连接权值，联系单元的初始值等实现自动进化训练学习，实现了动态递归神经网络的自动构造与设计，并以动态递归Elman神经网络为例进行分析。该方法为免疫克隆选择算法优化动态递归神经网络提供一种新的有效解决方案。
（8）将本书提出的改进的免疫克隆选择算法优化Elman神经网络，引入趋势信息双反馈 Elman神经网络和基本Elman神经网络三种网络应用于大气质量预测领域。通过对三种主要污染物SO2，NO2，PM10拟合和预测的实验结果进行比较和对比分析，验证了本书提出的改进的免疫克隆选择算法（引入动态阈值策略的ICSA-VSLGMO算法）优化Elman神经网络具有较好的拟合与预测能力，利用该方法对吉林省某城市的大气质量进行预测，得到了令人满意的结果，具有较好的实用价值和应用前景。
（9）在进化计算基础上，采用一种基于群体的随机全局优化工具即粒子群优化算法，算法对计算大气污染损害率的普适公式中的参数进行优化，得到了对于多种污染物均适用的具有普适性大气质量综合污染指数评价模型和评价方法，该模型具有公式形式简单，计算简便等优点。此评价方法是将大气环境质量的好坏与其所受的损害程度直接相联系，使基于粒子群优化算法的大气质量综合评价法具有更明确的物理意义，原理更加直观，而且该评价法不受污染物种类及数目的限制，使其具有很强的通用性和可比性。
本书是在国家自然科学基金项目（项目编号：61202306）、吉林省科技厅基础项目（项目编号：201215119，20100507）、吉林省教育厅十二五重点规划项目（项目编号：2012185）、吉林省教育厅新世纪人才计划专项、吉林财经大学青年学俊等项目的资助和支持下完成的。值此专著完成之际，诚挚地感谢吉林大学计算机科学与技术学院左万利教授，智能工程实验室的梁艳春教授、时小虎副教授、孙延风副教授的热情帮助和指点。
由于作者水平有限，加之智能研究领域纵深宽广，书中难免有种种考虑不周之处，诚请广大读者批评指正。| ISBN | |
|---|---|
| 出版社 | 电子工业出版社 |
| 作者 | 韩旭明 |
| 尺寸 | 16 |