16、人工免疫系统研究进展综述

人工免疫系统研究进展综述

1. 引言

人工免疫系统（AIS），也被称为免疫启发系统或免疫计算，是基于生物免疫系统抽象概念发展起来的研究领域。许多计算算法研究从免疫学抽象概念中获取灵感，通过基于免疫学理论或模型的算法，解决计算或工程领域的实际问题。

生物免疫系统是一个自主系统，能为身体提供防御机制，抵御可能的疾病和威胁。免疫系统的每个理论或模型都能为许多计算和工程问题提供类比，这些类比可作为开发方法和技术的隐喻，以重现生物免疫系统的某些特征，从而为特定问题提供有效解决方案。

AIS可应用于工程和计算机科学的广泛问题，如优化、聚类、信息检索、异常检测、机器学习和模式识别等。多年来，AIS得到了广泛研究，在文献中有多种方法和应用。此外，还有一些相关且近期的研究亮点，如混合AIS方法的增加、多学科研究的贡献以及AIS方法在免疫学中的影响（目前影响尚不清楚）等。

本次综述旨在展示过去五年AIS研究的亮点，包括新方法、经典技术的改进以及这些算法的综述，以及它们在不同问题中的应用。还将从生物学角度回顾一些关于AIS的信息，并阐述其与AIS研究的关系。

2. 技术现状

早期研究（始于1994年）主要关注应用于异常检测的自我/非自我区分原则。这些方法基于负选择过程的监督学习技术，负选择过程类似于胸腺中的审查机制。负选择算法（NSA）使用基于自我的训练数据，通过非自我空间生成检测器，这可能等同于异常检测。

从生物免疫系统获取灵感的原因可能与其鲁棒性和人体免疫系统的快速响应有关。在人体免疫系统中，首次遇到抗原后，再次遇到相同抗原时，期望能提供更有效、更快速的响应。将免疫启发方法应用于工程问题时，期望为工程问题的解决方案