人工免疫系统未来发展与问题
摘要：对免疫算法进行了概括分析，同时对人工免疫系统如何工作进行了阐述，对人工免疫系统未来发展方向及面临问题开展讨论和分析。目的是拓展人工免疫系统研究范围，促使免疫学研究成果受到工程研究的重视和吸收，促进人工免疫系统深入发展。
关键词：自然计算 免疫学 人工免疫系统 免疫计算
Artificial immune system development and the problems in the future
WeiQin XuGang
(Army Aviation Institute Infirmation Technology ,Beijing 101123, China)
Abstract: The immune algorithm has carried on the summary analysis, and at the same time on the artificial immune system how to work, on the artificial immune system in the future development direction and the problems to carry out the discussion and analysis. Purpose is to expand the scope of artificial immune system research, prompting immunology research results to the attention of the engineering research and absorption, to promote in-depth development of artificial immune system.
Key words: Natural computing immunology Artificial immune system The immune computation
一 免疫算法
人工免疫系统的相关算法多是在1999年以后提出的，而且这些算法几乎都是针对特定问题而言的，对算法复杂性、收敛性证明等深刻而具有普遍意义的研究成果还很少。因此，免疫算法研究在解决其存在问题的基础上，今后的研究重点集中在以下几方面：
1)免疫算法的有效性评价。目前的免疫算法多种多样，应用范围也很广泛，一般在研究中只与有限的其他算法在某一个问题上比较其性能，缺乏全面、有效的评价指标和体系。虽然免疫算法也是面向问题的，但过于多样化的、基于问题的算法性能不利于免疫算法的持续发展。需要探索出一般的理论，以便与其他算法在理论上证明其针对某一领域的问题的有效性，包括并行免疫算法。
2)免疫算法在网络系统等复杂系统中的应用。比如，由于免疫系统与神经网络和内分泌网络互相影响，网络智能将成为免疫算法应用的新方向。再者，免疫算法能增强复杂系统的鲁棒性，而且免疫性与鲁棒性之间存在的必然联系使得免疫算法将在鲁棒系统中得到较好的应用。
3)免疫混合算法。现有的免疫算法多集中在利用免疫机理改进已有的其他算法，尤其是对进化算法的改进。对于上述问题，仅仅通过深入认识相关免疫机理，进而对免疫系统算法本身改进，是难以获得彻底解决的。研究表明，结合其他自然计算策略，可以改善免疫算法的性能。针对特定的问题，抽取不同的方法，有目的地融合人工免疫系统模型与其他自然计算方法，进行求解应是一个主要发展方向。除免疫一遗传方法、免疫一神经网络方法，建立综合神经、内分泌及免疫这三大生物调节系统功能的协同集成框架。进而在这一集成框架下深入研究神经、内分泌及免疫的机理，提出新算法，并更广泛地用于工程实践。
4)免疫算法的数学理论分析。免疫算法的理论研究迄今十分有限。在算法的收敛性、稳定性方面没有统一的理论，只有研究人员根据各自的问题给出的研究结果。因此首先研究人工免疫系统算法的一般数学框架，提供一种通用的算法范式，然后对其性能进行深入的数学分析，包括参数分析、收敛性分析、稳定性分析、复杂性分析等。更重要的是挖掘出优化和学习算法的有效性之源，为进一步提出高效的信息处理算法提供理论依据。
5)面向工程应用的免疫算法模型。深入研究工程应用问题的组合性、非线性、约束性等特性，开展相应的算法研究和数值实验以及大规模的免疫工程应用研究，努力达到人工免疫系统模型的实用化。
二 人工免疫系统理论
进一步研究免疫系统的各种机理，包括免疫系统的智能涌现、免疫学习理论、免疫记忆理论、免疫认知理论、免疫模式识别理论、免疫细胞社会学理论、免疫复杂网络与通讯理论等方面的深层次理论阐述。只有对每种免疫机理有了更深入的理论认识，才能为工程应用，比如算法设计提供保障，而且，新机理的发现必将催化新方法的产生。未来人工免疫系统理论研究可能通过与计算免疫学的结合方面取得突破，以计算机仿真免疫系统研究为手段，从生物学基础方面(在细胞、分子甚至基因层次)提出和建立人工免疫系统理论基础。或者面向不同的应用领域，发展各自的理论基础，比如面向优化的免疫计算理论、面向数据挖掘的免疫挖掘理论、面向控制的免疫控制理论等等。基于免疫系统的计算理论将有助于突破冯氏结构计算机的局限，提出新的计算模式和方法，在网络通信、人机接口、人工生命等诸多领域都有重要应用价值。
三 人工免疫系统应用
人工免疫系统的研究范围和应用领域还应不断扩大。人工免疫系统是不同于其他自然计算分支的研究领域。此外，进一步拓宽人工免疫系统的应用领域，除了解决诸如网络安全、数据挖掘、图像处理、模式识别、故障诊断、噪声耐受、自适应控制、分布式控制、协调控制、预测控制、机器学习、搜索和优化、进化设计、疾病预测与诊断等领域的实际问题以外，基于免疫系统机制，不仅可以设计出新的免疫计算方法，而且可以利用免疫机制开发设计故障诊断系统、计算机安全系统、物理安全系统、自然灾害预报系统、生态环境预测系统、流行病监测系统、并行计算系统、免疫控制系统，也可以开发出基于免疫系统计算机制的免疫计算机，类似DNA计算机的计算系统等等。可以完成或解决人工神经网络等方法不善于解决的问题，在经济学、管理学，甚至农业、教育等方面都可以不断应用。基于免疫系统的硬件和软件会随着技术的进步而不断发展，比如用于药物和医学实验的虚拟免疫系统、具有自我恢复机制的智能硬件系统等。
四 人工免疫系统未来面临的问题
面对人工免疫系统的未来，似乎更多的是未知的问题。这也是人工免疫系统的生命力所在。作者认为，未来人工免疫系统主要面临以下问题或挑战 。
1)跨学科合作。人类社会各个学科本来没有严格的界限，现代社会分工导致学科的出现，而人类社会的发展促使人们重新走向多科学互相融合的道路。人工免疫系统也不例外，尤其需要计算机科学和免疫学以及数学等多学科之间的合作。相对于模糊在数学上的完整体系，神经网络相对完整的几种类型，进化计算的基本数学理论，人工免疫系统在理论层次是很弱的，应用的数学方法也非常有限。需要对这些系统的更深入理解，以在研究中突破，而不是重新开发旧技术，这需要数学应用上的突破。必须指出的是，目前多数人工免疫系统所依据的免疫学理论及对免疫系统的认识基本停留在经典免疫学的水平，从自己非己识别到免疫系统认知，都是免疫学领域比较经典和成熟的理论，而多数人工免疫系统研究人员对现代免疫学的发展基本上一无所知。这个突现研究领域的成熟需要对免疫系统性质详细和深入地理解和研究，也需要与免疫学专家合作。国外这种合作一直非常普遍，国内还需要加强沟通和合作。
2)从人工免疫系统角度看，免疫学对人工免疫系统的影响方面有许多问题值得探讨。通过观察现在的人工免疫系统的应用研究状态，可以发现，只有在现有免疫学理论和免疫系统机制基础上，积极寻求新的免疫机制和理论，突出免疫学理论的本质，才可能获得对人工免疫系统有用的启发思想和过程。比如除了已经得到应用的免疫学理论，未来还有那些免疫机制和免疫学理论可以应用?免疫系统的信息处理机制，免疫网络本身的动力学问题对所建立的人工免疫系统产生什么影响?现有的免疫网络、克隆选择机制是有缺陷的，对人工免疫系统的性能的影响如何评估?对于一般目的的机器学习应用，如识别和分类，能通过观察选择和识别期间的计算轨迹以获得有用信息吗?如何利用模型决定免疫系统的哪些机制对正确的人工系统鲁棒功能是必要的，哪些机制是不必要的?
3)自然免疫系统是极其复杂的，还有许多理解不透的生物机制。从免疫学研究角度看，下面这些问题值得进一步思索：免疫学理论是否都适用于解决实际问题，如何利用实际的免疫系统进行计算?免疫系统和其他生物系统工作受基本物理层次影响的程度有多大?免疫应答都能在基本物理层次上实现吗?能够利用免疫系统的计算约束来对付一些疾病吗?如何建立真正的控制人类免疫系统的自治系统?如何利用模型决定免疫系统哪部分对人工系统功能是必要的，哪部分是不必要的，只是特殊的物理实现?哪部分仅仅是可能发生的进化的方面?这些问题需要免疫信息学、免疫网格、电子学、生物学、生物医学工程、纳米、分子操作技术等结合起来才能解决。
4)免疫系统群体涌现智能。免疫识别和效应是由分布在生物机体内部的大量免疫细胞与抗原通过相互作用实现的，其中涉及到了免疫细胞问的协调、协作等问题。整体任务的完成是由局部单元协同作用的结果，这些特性在许多人工免疫系统模型中得到了具体体现。人工免疫系统的学习和记忆机制是在局部单元协作下产生的系统智能涌现，这与其他涌现计算方法是十分相似的。由于大多数模型只是抽取了免疫系统中的部分机理，对于构成免疫系统自适应特性的吞噬细胞、T细胞、细胞因子等未加以考虑，因此当环境突然改变时系统缺乏自适应性。所以要进一步地研究免疫系统的仿生隐喻机制、免疫的记忆、学习与智能涌现模型的数学或计算模型。
5)人工免疫系统的理论基础。人工免疫系统最薄弱的环节是理论基础，多数人工免疫系统工作集中在简单的隐喻抽象和直接应用上。尽管开发了人工免疫系统框架，但是缺乏有意义的形式和理论支撑。人工免疫系统已经应用到许多问题领域，但是需要做更多的努力去理解人工免疫系统的本质，找到最适合的应用。对于这点，理论上寻求更深刻的理解是必要的。从目前的状况看，建立统一的人工免疫系统理论基础是比较困难的，因此可以从应用领域人手，结合具体问题开展理论研究。比如免疫优化算法，它是对计算智能方法的有意补充，丰富了自然计算这一领域的研究内容。国内外在这方面已经取得许多进展，这方面的理论可能最先取得突破，但不应局限于模仿进化算法来研究免疫算法。如何用免疫启发的计算建立比实际更好的系统，免疫计算的极限在哪里?与其他计算智能相比，它的适应条件是什么?这些问题需要结合具体应用深入探讨。今后的理论研究也主要是在免疫工程应用方面有突破，但不会很快出现统一各类面向问题的应用基础理论描述，结合具体问题的理论研究将是主要突破点。
6)许多现代生物计算方法面对13益复杂的问题已经显示出其缺陷。今天，生物计算概念趋于直接利用生物成分实现计算，比如DNA分子、光感蛋白质、生物高聚物等，用于解决不同的计算问题，如旅行商、人工神经网络的仿真、移动机器人控制等。但现有技术的效率与运行并融合复杂信息的自然系统的效率相差很远。对于如何建立生物免疫分子系统，可以实现智能控制机制，并超越当前的方法，如何建立基于真正的生物免疫分子过程的表达模型，帮助人们更深刻地认识它们等问题，还没有明确答案。人工免疫系统的研究也存在同样问题。
7)如何利用控制论、信息论、系统论、博弈论、复杂系统、复杂网络、自组织甚至物理学、生物学、计算机、人工智能等理论结合纳米、微电子、微机电系统相结合产生新方法、新技术，用于解决复杂的工程问题。比如对于免疫系统分子信息处理机制，如何用量化模型描述，并抽取其中的机制用于通信、保密、计算机网络、智能网络、环境保护、环境探测、地球生态系统等领域。免疫系统的虚拟实现以及免疫系统的物理实现等都是非常诱人的方向。
上述问题是该领域今后若干年都要面对的重要问题。显然，随着更多传统软件工程技术和计算机硬件系统的建立，这些问题研究将不断取得进展。
五 结束语
经过来自不同学科领域的研究人员多年的努力，人工免疫系统日趋成熟。已经有许多文献、著作阐述该领域的工作。作为这些思想的综合和继续，本文讨论了与人工免疫系统有关的一系列问题，包括免疫学本身的进展，研究人员如何从免疫学获得启发等等。并通过综合分析现有人工免疫系统典型应用，反映其研究状态，积极寻求新的、甚至矛盾的思想和理论，使人工免疫系统在思辨和争论中获得新动力并不断前行。近几年，国内、外在人工免疫系统领域的应用发展较快，尤其在优化、计算机安全等领域取得了进一步成果，但仍有许多基础性问题亟待来自各方面的专家合作研究、解决。作者将人工免疫系统十余年的发展进行了全面的概括和总结，目的是能够从纷繁复杂的发展现状中清理出明晰的方向。任何一个学科或方向在发展阶段必然有这样那样的困难和问题出现。及时总结发展中的问题，有助于人们更加清楚地看到该领域的发展前途，从而充满信心地迎接挑战。
参考文献：
[1]尚荣华 焦李成 马文萍 公茂果，用于约束多目标优化的免疫记忆克隆算法 电子学报 2009.6
[2]丁永生 任立红，一种新颖的模糊自调整免疫反馈控制系统 计算机工程 2008.8
[3]高经纬 张培林 姜乐华 任国全，一种人工免疫系统改进算法的仿真研究 军械工程学院学报 2009.6
[4]王磊 刘小勇，协同人工免疫计算模型的研究 电子学报 2009.8
[5]续欣莹 张志军 谢刚 谢克明，多模态函数优化的人工免疫应答优化算法 太原理工大学学报 2009.4
[6]Ryan Bowen Dr. Ferat Sahin A System of Systems Approach to Model an ArtificialImmune System Using Discrete Event Specification[C]．IEEE nMay 30 2009-June 3 2009
[7]Ishida Y，Adachi N．Active noise control by animmune algorithm：adaptation in immune system as an evo—lution[C]．IEEE international conference on evolutionary—computation，Nagoya，2008
[8]Sathyanath，F Sahin． An AIS Approach to acolor image classification problem in a real time industrialapplication[C]．In the Proceeding of the IEEE internationalconference on Systems 2007
[9]T. Gong Z. X. Cai Tri-tier Immune System in Anti-virus and SoftwareFault Diagnosis of Mobile Immune Robot Based on Normal ModelJournal of Intelligent and Robotic Systems, 2008
[10]Leandro N D C，Fernando J V z．L earning andoptimization using the Clonal select ion principle[J]．IEEE Trans on Evolutionary Co mputation，2007.6
