20、免疫算法：免疫网络算法与树突状细胞算法解析

免疫算法：免疫网络算法与树突状细胞算法解析

1. 免疫网络算法（Immune Network Algorithm）

1.1 分类与相关算法

免疫网络算法（Artificial Immune Network, aiNet）属于人工免疫系统领域。它与其他人工免疫系统算法相关，如克隆选择算法、阴性选择算法和树突状细胞算法。aiNet 包括基础版本和用于优化问题的扩展版本——优化人工免疫网络算法（opt - aiNet）。

1.2 灵感来源

aiNet 受获得性免疫系统的免疫网络理论启发。经典的克隆选择理论解释了免疫系统的适应性行为，但假定在没有病原体时，反应细胞库处于闲置状态。而 Jerne 提出的免疫网络理论认为，在没有病原体的情况下，免疫细胞并非静止，抗体和免疫细胞会相互识别和响应。该理论指出，抗体（游离和表面结合的）具有独特型位（表面特征），其他抗体的受体可以与之结合。受体相互作用使细胞库动态化，受体在复杂的调节网络中相互抑制和激发。克隆选择过程不仅可由病原体的表面特征触发，也可由其他免疫细胞和分子的独特型位触发，并且成熟过程适用于受体本身及其暴露的独特型位。

1.3 隐喻

免疫网络理论具有有趣的资源维护和信号信息处理特性。经典的克隆选择和阴性选择范式整合了获得性免疫系统的累积和过滤学习，而免疫网络理论提出了在选择下细胞和分子之间更高层次的复杂性。除了直接与病原体相互作用的细胞外，还有细胞与那些反应细胞以及病原体间接相互作用，形成多层次的活动网络，如病原体的内部图像（促进）和调节网络（所谓的抗独特型和抗 - 抗独特型）。

1.4 策略

免疫网络过程的目标是为给定问题域