人工免疫系统PDF电子书下载

第一部分 人工免疫系统与人类免疫系统第一章 绪论 3

1.1 自然计算 3

1.2 人类免疫系统与免疫学 5

1.2.1 人类免疫系统 5

1.2.2 免疫学 6

1.3 人工免疫系统 8

1.3.1 定义 8

1.3.2 免疫系统与人工免疫系统 9

1.3.3 人工免疫系统发展历史及研究现状 12

1.3.4 研究内容 14

1.4 本书的目的和主要内容 21

参考文献 23

第二章 人类免疫系统 28

2.1 概述 28

2.2 组成 28

2.2.1 细胞因子 28

2.2.2 淋巴细胞 29

2.2.3 抗原 33

2.2.4 抗体 34

2.2.5 抗体-抗原相互作用的度量 36

2.2.6 MHC复合体 37

2.2.7 淋巴系统 38

2.2.8 补体系统 38

2.3 结构 39

2.3.1 多层免疫系统 39

2.3.2 固有免疫系统 40

2.3.3 自适应免疫系统 40

2.4 功能 41

2.4.1 主要功能 41

2.4.2 自己与非己区分 41

2.4.3 免疫应答 42

2.4.4 免疫调节 45

2.4.5 免疫耐受 46

2.4.6 免疫自稳 47

2.5 特性 48

2.5.1 循环机制 48

2.5.2 亚动力学 48

2.5.3 免疫反馈 49

2.5.4 分布性 50

2.5.5 适应性 50

2.5.6 鲁棒性 51

2.5.7 进化 52

2.6 免疫系统如何保护人体 53

2.6.1 免疫系统功能的实现 53

2.6.2 免疫系统对不同病原体的应答 54

2.7 免疫系统与神经系统、内分泌系统 56

2.7.1 神经系统和免疫系统、内分泌系统的相互作用 56

2.7.2 神经系统与免疫系统比较 57

2.8 理论 59

2.8.1 克隆选择 59

2.8.2 免疫独特型网络理论 60

2.8.3 危险理论 64

2.8.4 Cohen免疫模型 66

2.9 免疫系统——复杂自适应系统 68

2.9.1 复杂自适应系统的特征 69

2.9.2 免疫系统作为复杂自适应系统 69

2.9.3 复杂巨系统 72

2.10 自组织与混沌 72

2.11 涌现 73

2.12 免疫学新进展 73

参考文献 74

第三章 免疫系统智能性 77

3.1 免疫系统认知 77

3.1.1 免疫认知 77

3.1.2 语言隐喻 78

3.1.3 免疫认知的意义 79

3.1.4 机制主义模型 79

3.2 免疫系统模式识别 85

3.2.1 免疫模式识别 85

3.2.2 免疫模式识别原理 86

3.3 免疫系统学习与记忆 87

3.3.1 免疫学习思想 87

3.3.2 免疫系统学习与记忆 88

3.3.3 免疫记忆理论 89

3.4 免疫系统智能模型 90

3.5 免疫智能与计算机系统 91

参考文献 92

第四章 免疫信息处理与免疫信息学 94

4.1 概述 94

4.2 信息论与生物学 94

4.3 免疫系统信息处理 95

4.3.1 免疫信息处理本质 95

4.3.2 免疫系统信息处理模式 96

4.3.3 新信息的产生 96

4.3.4 免疫多样性的随机产生 97

4.3.5 意义的产生 98

4.3.6 克隆选择的意义 98

4.3.7 危险与目的论 99

4.4 神经、内分泌、免疫系统间的相互信息交流和调节 99

4.4.1 免疫系统与其他系统的相互信息交流 99

4.4.2 免疫信息活动层次 101

4.4.3 免疫突触与免疫信息网络 102

4.5 免疫信息学 105

4.5.1 概念与起源 105

4.5.2 实验基础与理论基础 106

4.6 免疫信息学与人工免疫系统 107

参考文献 108

第二部分 面向医学的人工免疫系统第五章 面向医学的免疫系统建模 111

5.1 概述 111

5.2 免疫系统建模与仿真方法 112

5.2.1 数学模型与计算模型 112

5.2.2 形态空间 115

5.2.3 字符串模型 125

5.2.4 细胞自动机模型 128

5.2.5 Petri网模型 130

5.2.6 基于主体的模型 134

5.2.7 多尺度建模方法 137

5.3 模型要求 141

5.3.1 基本特征 141

5.3.2 免疫系统模拟方法 142

5.3.3 分析 143

5.4 本章小结 144

参考文献 144

第六章 面向医学的免疫系统仿真 147

6.1 概述 147

6.2 免疫系统仿真 148

6.2.1 免疫系统仿真器 148

6.2.2 改进CS模型 160

6.2.3 SIMMUNE模型 169

6.2.4 群智能模型 172

6.2.5 自下而上方法 174

6.3 讨论 179

参考文献 180

第三部分 面向工程的人工免疫系统第七章 免疫混合算法 185

7.1 概述 185

7.1.1 免疫算法的基本类型 185

7.1.2 免疫算法设计 186

7.2 一般免疫算法 187

7.2.1 一般免疫算法描述 187

7.2.2 信息熵免疫算法 189

7.2.3 矢量矩免疫算法 196

7.3 免疫遗传算法 198

7.3.1 概述 198

7.3.2 装箱问题免疫遗传算法 200

7.3.3 免疫记忆遗传算法 200

7.3.4 免疫疫苗算法 202

7.4 免疫策略进化算法 204

7.4.1 概述 204

7.4.2 算法描述 204

7.4.3 算法讨论 206

7.5 免疫规划算法 206

7.5.1 概述 206

7.5.2 多模式搜索遗传规划 206

7.6 免疫粒子群算法 208

7.6.1 概述 208

7.6.2 免疫记忆粒子群优化算法 209

7.6.3 基于疫苗接种的免疫粒子群优化算法 210

7.7 免疫蚁群算法 211

7.7.1 蚁群算法的基本原理 211

7.7.2 蚁群算法和免疫算法的融合 212

7.8 混沌免疫算法 214

7.8.1 概述 214

7.8.2 混沌免疫算法 214

7.9 混沌免疫遗传模糊算法 217

7.9.1 CIGAFS的计算策略 217

7.9.2 CIGAFS的基本特征 220

7.10 讨论 221

参考文献 221

第八章 人工免疫网络 225

8.1 概述 225

8.2 人工免疫网络模型的基本框架 226

8.3 电路模拟人工免疫网络模型 227

8.3.1 模型描述 227

8.3.2 仿真结果 229

8.4 讨论 230

参考文献 230

第九章 克隆选择算法 232

9.1 概述 232

9.2 基本克隆选择算法 236

9.2.1 算法过程 236

9.2.2 不同用途的基本克隆选择算法 236

9.3 并行克隆选择算法 238

9.3.1 模型描述 238

9.3.2 分布式免疫记忆克隆选择算法 239

9.3.3 并行实现 241

9.4 免疫克隆数据项挖掘算法 243

9.4.1 算法思想 243

9.4.2 关联规则算法 244

9.4.3 性能分析 246

9.5 讨论 247

参考文献 247

第十章 免疫优化 250

10.1 概述 250

10.2 免疫多目标优化 252

10.2.1 问题描述 252

10.2.2 约束优化问题的人工免疫响应模型 253

10.3 免疫多模态（多峰值）优化 257

10.3.1 算法基本概念 258

10.3.2 算法流程 258

10.4 免疫并行优化 260

10.4.1 算法概念 260

10.4.2 并行混合免疫算法的实现 260

10.5 免疫结构优化 261

10.5.1 概述 261

10.5.2 结构优化免疫算法 262

10.6 旅行商问题 267

10.6.1 旅行商问题的描述 267

10.6.2 旅行商问题的人工免疫算法 268

10.7 变邻域免疫算法 270

10.7.1 变邻域免疫算法 270

10.7.2 VNIA的分析 275

10.7.3 数值仿真结果 279

10.8 免疫神经网络优化 285

10.9 免疫优化算法理论 287

10.9.1 概念框架 287

10.9.2 算法流程 288

10.9.3 算法理论描述 289

10.10 讨论 290

参考文献 290

第十一章 免疫调度算法 296

11.1 免疫优化调度综述 296

11.1.1 免疫调度算法的一般框架 297

11.1.2 免疫调度算法按机理分类 297

11.1.3 免疫调度算法的应用领域 300

11.1.4 免疫调度算法的研究方向 301

11.2 混合免疫调度算法 302

11.2.1 参数化活动调度 303

11.2.2 混沌搜索免疫调度算法 303

11.2.3 参数化活动调度启发式算法 305

11.2.4 禁忌搜索调度算法 307

11.2.5 实验结果 309

11.3 小结 311

参考文献 312

第十二章 免疫控制 316

12.1 概述 316

12.2 人工免疫系统在控制领域中的应用 316

12.3 免疫控制器 317

12.3.1 基于免疫应答的控制器 317

12.3.2 双因子免疫机制 320

12.3.3 双因子免疫控制器 320

12.3.4 免疫控制器的设计与实现 321

12.4 免疫神经控制 322

12.4.1 人工免疫网络改进方法 322

12.4.2 基于人工免疫网络的免疫神经控制 323

12.4.3 控制系统 325

12.5 基于克隆选择的单级倒立摆PID参数控制 326

12.5.1 单级倒立摆数学模型 327

12.5.2 克隆选择控制算法设计 328

12.5.3 免疫克隆算法 328

12.5.4 简单克隆选择控制算法 330

12.5.5 单级倒立摆PID控制参数优化结果 332

12.5.6 单级倒立摆PID控制效果仿真 333

12.5.7 单级倒立摆PID实时控制 336

12.5.8 算法复杂性分析 337

12.5.9 一阶延迟模型PID控制参数优化 337

12.6 讨论 341

参考文献 341

第十三章 人工免疫系统与智能主体 343

13.1 概述 343

13.1.1 主体概述 343

13.1.2 多主体与人工免疫系统 344

13.2 免疫系统在多主体的应用 345

13.2.1 免疫多主体网络模型 345

13.2.2 免疫主体-免疫机制与多主体结合 348

13.2.3 免疫多主体控制 352

13.2.4 讨论 359

13.3 主体在人工免疫系统的应用 359

13.3.1 基于免疫系统的智能多主体模型 359

13.3.2 讨论 361

13.4 一般免疫多主体模型 361

13.4.1 一般免疫多主体及特征 361

13.4.2 模型框架 363

13.4.3 免疫主体的特点 364

13.5 讨论 364

参考文献 365

第十四章 人工免疫系统与机器学习 367

14.1 免疫系统与机器学习概述 367

14.2 免疫无监督学习方法 367

14.3 面向流数据特征提取的人工免疫网络模型 371

14.4 基于复杂网络的人工免疫网络模型学习性能评价 376

14.4.1 网络社区结构的定量描述 376

14.4.2 基于复杂网络的人工免疫网络性能评价方法 378

14.4.3 人工免疫网络模型算法的性能评价指标 381

14.5 基于网络社区结构的数据集非均衡程度度量 384

14.5.1 问题描述 384

14.5.2 度量方法 386

14.5.3 性能评价 388

14.6 免疫监督学习 393

14.6.1 免疫分类算法研究 393

14.6.2 人工免疫识别系统 395

14.6.3 克隆选择分类器算法 398

14.6.4 免疫监督学习模型 400

14.6.5 免疫阴性选择分类器 401

14.7 人工免疫系统与数据挖掘 405

14.7.1 人工免疫系统在网络挖掘的应用 405

14.7.2 人工免疫网络协同过滤推荐系统 406

14.7.3 基于克隆选择的关联规则挖掘 412

14.7.4 基于一般免疫算法的关联规则提取 414

14.7.5 基于人工免疫网络的频繁项挖掘算法 416

14.8 讨论 418

参考文献 419

第十五章 人工免疫系统与异常检测 424

15.1 概述 424

15.1.1 异常检测定义 424

15.1.2 问题描述 425

15.2 阴性选择算法 426

15.2.1 发展与研究概述 426

15.2.2 基本阴性选择算法 429

15.2.3 实数阴性选择算法 432

15.2.4 多层免疫学习算法 437

15.3 阴性选择算法的匹配规则 438

15.3.1 匹配规则定义 438

15.3.2 实数值表示及距离度量 444

15.4 检测器产生机制 446

15.4.1 字符串型检测器 446

15.4.2 基于遗传算法的检测器产生法 448

15.4.3 启发式检测器产生算法 449

15.4.4 空间转换检测器产生法 450

15.4.5 多形态检测器产生法 451

15.5 检测器产生复杂性 452

15.6 检测器覆盖 453

15.6.1 二进制检测器覆盖 453

15.6.2 实数检测器覆盖 456

15.6.3 变阈值阴性选择算法及覆盖效率 457

15.6.4 检测器集的生成方法与分析 462

15.6.5 关于阴性选择算法的一些问题 473

15.7 基于人工免疫系统的故障诊断 475

15.7.1 故障诊断 475

15.7.2 基于人工免疫系统的故障诊断 475

15.7.3 硬件系统的免疫故障诊断 475

15.7.4 软件系统的免疫故障耐受 483

15.8 基于人工免疫系统的计算机安全 486

15.8.1 概述 486

15.8.2 基于免疫的计算机安全系统 486

15.8.3 入侵检测 489

15.8.4 病毒检测 489

15.8.5 免疫垃圾邮件检测 491

15.8.6 危险理论在计算机免疫系统的应用 496

15.9 讨论 498

参考文献 498

第十六章 人工免疫系统硬件 507

16.1 免疫硬件系统 507

16.1.1 免疫故障耐受系统概述 507

16.1.2 硬件免疫故障耐受系统的原理与实现 508

16.1.3 基于免疫电子学的胚胎阵列 512

16.2 免疫计算机 516

16.2.1 问题 516

16.2.2 定义 516

16.2.3 应用 517

16.2.4 免疫计算机基础 517

16.3 抗体芯片 522

16.3.1 蛋白质与抗体微阵列芯片技术 522

16.3.2 抗体芯片的特点与作用 524

16.4 讨论 526

参考文献 526

第十七章 人工免疫系统软件 528

17.1 概述 528

17.2 人工免疫系统平台iNet 528

17.2.1 iNet中的构件和模式 528

17.2.2 iNet的应用iNexus——基于策略的网络服务器 529

17.3 适应性人工免疫系统的软件构架 532

17.3.1 人工免疫系统适应性问题 532

17.3.2 适应性构架 533

17.3.3 GeGeM通用基因模型 535

17.3.4 GeGeM模型的一般性 537

17.3.5 讨论 537

17.4 免疫启发的分布式学习环境 537

17.4.1 模型概念 537

17.4.2 结构 538

17.4.3 过程 539

17.4.4 用途 539

17.5 讨论 542

参考文献 542

第十八章 免疫系统计算 543

18.1 新结构和技术的需求 543

18.2 复杂问题与生物学方法 544

18.3 硅的替代 544

18.4 免疫系统计算和免疫体模型 545

18.4.1 免疫系统计算与免疫系统计算机 545

18.4.2 免疫系统计算 546

18.4.3 抗体芯片与免疫系统计算机 550

18.5 免疫体模型 551

18.6 讨论 552

参考文献 553

第四部分 人工免疫系统理论 557

第十九章 人工免疫系统研究框架 557

19.1 面向工程的人工免疫系统模型 557

19.2 人工免疫系统模型 558

19.2.1 进程代数 558

19.2.2 多主体模型 563

19.3 免疫隐喻 567

19.3.1 隐喻思想 567

19.3.2 免疫系统隐喻 567

19.4 人工免疫系统设计框架 569

19.5 人工免疫系统一般设计步骤 572

19.6 人工免疫系统作为复杂自适应系统 574

19.7 讨论 577

参考文献 578

第二十章 人工免疫系统问题与展望 580

20.1 人工免疫系统现有问题与展望 580

20.1.1 免疫算法 580

20.1.2 理论研究 581

20.1.3 混合系统 581

20.1.4 应用 581

20.2 人工免疫系统未来面临的问题 582

参考文献 584

附录A 人工免疫系统的相关论著 585

A.1 图书与特刊 585

A.2 人工免疫系统研究者与网站 585

A.3 研究组织 586

附录B 中英术语对照 587