第1章 生物免疫机理 1
1.1生物免疫系统 1
1.1.1生物免疫系统组成 1
1.1.2生物免疫系统的几个概念 5
1.2免疫系统的作用及功能 7
1.2.1生物免疫防御机理 7
1.2.2免疫系统的功能 7
1.3生物免疫多层防御机制 8
1.3.1身体屏障 9
1.3.2固有免疫系统和适应性免疫系统 9
1.3.3免疫细胞的相互作用及其活化信号 12
1.3.4体液免疫 12
1.4树突状细胞对抗原的处理及提呈 14
1.4.1树突状细胞 14
1.4.2树突状细胞的抗原处理与提呈功能 17
1.4.3树突状细胞与免疫激活和免疫耐受 18
1.4.4树突状细胞的三种状态及激活信号 18
1.5生物免疫系统的重要机制 20
1.5.1免疫系统的信息处理特性 20
1.5.2免疫学习和记忆 21
1.5.3免疫响应 22
1.5.4初次响应和二次响应 24
1.5.5自己／非己识别 26
1.6否定选择机制 27
1.7克隆选择原理 27
1.8免疫网络理论 29
1.9神经免疫内分泌网络学说 31
1.9.1免疫、神经及内分泌系统间相互作用的物质基础 32
1.9.2神经、免疫、内分泌系统间的关系 32
第2章 免疫系统动力学模型 35
2.1抗原的动力学模型 35
2.2抗体的动力学模型 36
2.3免疫响应模型 38
2.4自体／非自体的区别以及识别概率 40
2.5克隆选择动力学模型 41
2.6免疫网络模型 45
2.7状态空间描述 49
第3章 人工免疫系统概述 51
3.1基于免疫的计算智能 51
3.2人工免疫系统的工程应用 53
3.3免疫系统的结构 54
3.4基于最基本免疫机制的免疫算法 56
第4章 否定选择算法 57
4.1否定选择算法 57
4.1.1否定选择算法描述 57
4.1.2标准否定选择算法 58
4.1.3否定选择算法过程 58
4.1.4特征空间中否定选择算法概念图示 59
4.1.5否定选择算法的模型描述 60
4.1.6检测器的生成算法 61
4.2否定选择算法应用于网络入侵检测 64
4.3实值否定选择算法 69
4.3.1实值否定选择算法的具体描述 69
4.3.2检测器生成阶段 70
4.3.3检测过程 72
4.4实值否定选择算法应用 73
4.4.1飞机飞行监测实例 73
4.4.2实验及结果 74
第5章 克隆选择算法 76
5.1克隆选择算法描述 76
5.1.1克隆选择算法的基本过程 77
5.1.2克隆选择算法伪代码 78
5.1.3特征空间中克隆选择算法概念图示 78
5.1.4克隆选择算法模型描述 79
5.2克隆选择算法应用于优化问题 80
5.3动态克隆选择算法 82
5.3.1简介 82
5.3.2动态克隆选择算法的运行机制 83
5.3.3动态克隆选择算法的流程图 83
5.3.4动态克隆选择算法的伪代码 84
5.4 DynamiCS在入侵检测中的应用 85
5.5一种改进的快速克隆选择算法及实验 88
第6章 人工免疫网络模型 94
6.1通用免疫网络模型 94
6.2 aiNet免疫网络模型 96
6.2.1模型概述 96
6.2.2基本原理 97
6.2.3 aiNet网络模型算法 98
6.2.4 aiNet网络模型分析 101
6.3有限资源人工免疫系统模型 101
6.3.1网络定义与描述 102
6.3.2 ARB对象和激励值计算 103
6.3.3 RLAIS算法 104
6.4多值免疫网络模型 104
6.4.1模型中的免疫细胞 104
6.4.2免疫模型 105
6.4.3免疫反馈原理 106
6.4.4多值免疫模型基本原理 106
6.5动态免疫网络模型 108
6.5.1基本思想 108
6.5.2诊断的概念 109
6.5.3构成和工作原理 109
6.6 Multi-Agent人工免疫模型 111
6.6.1 Multi-Agent的框架 112
6.6.2免疫Agent模型 112
6.6.3免疫规则在Multi-Agent模型的应用 113
6.6.4基于Multi-Agent的人工免疫模型 114
6.6.5基于免疫Agent的动态诊断 115
第7章 树突状细胞算法 117
7.1概述 117
7.2树突状细胞算法 118
7.2.1危险理论 118
7.2.2 DCA算法的基本原理与定义 119
7.2.3 DCA算法描述及流程 120
7.2.4 DC特征提取 121
7.2.5 DCA伪代码 122
7.3 Libtissue框架 122
7.4实验结果与分析 123
7.4.1数据源分析 123
7.4.2参数分析与确定 124
7.4.3性能分析 125
7.5DCA存在的问题 126
第8章基于生物网络的计算框架 127
8.1人工子生物系统 127
8.1.1人工神经网络（ANN） 127
8.1.2人工免疫系统（AIS） 127
8.1.3人工内分泌系统（AES） 128
8.2生物网络结构 128
8.2.1神经内分泌系统（ANE） 128
8.2.2神经免疫系统（ANI） 129
8.2.3内分泌免疫系统（AEI） 129
8.2.4三大生物网络集成的系统——生物网络结构 129
8.2.5人工生物网络的应用 130
8.3基于神经内分泌免疫网络的计算模型 130
8.3.1总体框架设计 130
8.3.2生物网络平台的设计与实现 131
第9章 多层免疫模型及其在故障诊断中的应用 134
9.1引言 134
9.2面向故障诊断的多层免疫模型结构 135
9.3故障诊断问题定义 137
9.4固有诊断层 138
9.4.1自体库 138
9.4.2故障知识库 138
9.4.3自体／非自体识别 140
9.4.4固有免疫诊断 140
9.5故障传播诊断层 143
9.5.1概述 143
9.5.2基于免疫网络的故障传播模型 145
9.5.3基于故障传播模型的诊断过程 147
9.5.4算法描述 151
9.5.5故障传播模型举例 152
9.6基于体液免疫的双重学习方法 154
9.6.1机器学习概述 155
9.6.2基于体液免疫的双重学习模型 156
9.6.3记忆细胞库生成阶段 157
9.6.4故障检测阶段 160
9.6.5抗原学习过程 160
9.6.6检测效率的比较 164
9.7多层免疫诊断模型在电机故障诊断中的应用 166
9.7.1异步电动机故障机理分析 166
9.7.2信号采集及故障特征分析 167
9.7.3基于多层免疫模型的故障诊断实验 170
9.7.4实验结果分析 181
第10章引黄工程免疫优化调度模型及其应用 182
10.1工程概况 182
10.1.1全线自动化系统 183
10.1.2工程监控和调度模式 184
10.1.3工程的优化调度 188
10.2供水水库的长期优化调度 190
10.2.1水库概况 190
10.2.2供水水库优化调度模型 194
10.2.3径流预测神经网络 195
10.2.4水库优化调度的免疫规划算法 197
10.2.5典型年的识别方法 198
10.2.6仿真计算 200
10.3梯级输水工程段的优化调度 203
10.3.1上层输水子系统的数学模型 203
10.3.2下层泵站的数学模型 204
10.3.3梯级泵站优化调度的分层克隆选择算法 206
10.3.4算法详细设计 208
10.3.5仿真计算 213
10.4梯级引水工程的自主优化调度 217
10.4.1长期自主优化调度器 218
10.4.2短期自主优化调度器 221
10.4.3仿真计算 222
参考文献 227