根据人类
免疫系统的免疫响应过程和免疫学中独特型免疫
网络的假设,从免疫响应中B
细胞的结合、B细胞的激励以及复制等方面人手,提出了建立人工免疫响应网络模型的新思想。
描述了该免疫网络的结构模型、网络中各单元的相互作用和B细胞的克隆扩增以及网络结构的动态更新,并将网络对抗原的首次响应和二次响应进行了仿真.同人类的免疫系统类似,该免疫网络具有学习、
记忆和辨识能力,同时具备分布、并行处理的特点.
基于
克隆选择学说及
生物免疫响应过程的相关机理,探讨一种新的人工免疫系统模型———人工免疫响应,提出用于解决约束优化问题的人工免疫响应进化策略;基于算法网络拓扑结构的分析表明,新算法比传统的进化策略(μ,λ)2ES具有更大的收敛概率.对10个标准测试问题的测试结果表明,与采用随机排序的进化策略和采用动态
惩罚函数的进化策略相比,新算法在收敛速度和求解精度上均具有一定的优势.