本书是作者在人工免疫系统领域研究的基础上,结合目前人工免疫系统的发展现状总结而成的。书中对人工免疫系统给出了新的定义,对人工免疫系统研究内容重新进行了系统划分,包括面向医学和面向工程的人工免疫系统两大方面。全书分四个部分,第一部分突出免疫系统本身的重要机制,给出了免疫系统智能性的完整论述；第二部分着重研究免疫系统建模与仿真方法；第三部分着重研究人工免疫系统在优化、调度、机器学习、智能主体、自动控制、人工免疫系统硬件与人工免疫系统软件等方面的应用,每部分均有作者的研究成果或提出的新思想；最后一部分探讨了人工免疫系统研究框架,以及进一步研究的方向和面临的问题。
本书可以为计算机科学、信息科学、智能科学、人工智能和自动化技术、计算免疫学等领域从事人工免疫系统研究的相关专业技术人员提供参考,也可以作为相关专业研究生和高年级本科生教材。
样章试读
目录
- 《智能科学技术著作丛书》序
本书序
前言
第一部分 人工免疫系统与人类免疫系统
第一章 绪论
1.1 自然计算
1.2 人类免疫系统与免疫学
1.2.1 人类免疫系统
1.2.2 免疫学
1.3 人工免疫系统
1.3.1 定义
1.3.2 免疫系统与人工免疫系统
1.3.3 人工免疫系统发展历史及研究现状
1.3.4 研究内容
1.4 本书的目的和主要内容
第一章参考文献
第二章 人类免疫系统
2.1 概述
2.2 组成
2.2.1 细胞因子
2.2.2 淋巴细胞
2.2.3 抗原
2.2.4 抗体
2.2.5 抗体唱抗原相互作用的度量
2.2.6 MHC复合体
2.2.7 淋巴系统
2.2.8 补体系统
2.3 结构
2.3.1 多层免疫系统
2.3.2 固有免疫系统
2.3.3 自适应免疫系统
2.4 功能
2.4.1 主要功能
2.4.2 自己与非己区分
2.4.3 免疫应答
2.4.4 免疫调节
2.4.5 免疫耐受
2.4.6 免疫自稳
2.5 特性
2.5.1 循环机制
2.5.2 亚动力学
2.5.3 免疫反馈
2.5.4 分布性
2.5.5 适应性
2.5.6 鲁棒性
2.5.7 进化
2.6 免疫系统如何保护人体
2.6.1 免疫系统功能的实现
2.6.2 免疫系统对不同病原体的应答
2.7 免疫系统与神经系统、内分泌系统
2.7.1 神经系统和免疫系统、内分泌系统的相互作用
2.7.2 神经系统与免疫系统比较
2.8 理论
2.8.1 克隆选择
2.8.2 免疫独特型网络理论
2.8.3 危险理论
2.8.4 Cohen免疫模型
2.9 免疫系统——复杂自适应系统
2.9.1 复杂自适应系统的特征
2.9.2 免疫系统作为复杂自适应系统
2.9.3 复杂巨系统
2.10 自组织与混沌
2.11 涌现
2.12 免疫学新进展
第二章参考文献
第三章 免疫系统智能性
3.1 免疫系统认知
3.1.1 免疫认知
3.1.2 语言隐喻
3.1.3 免疫认知的意义
3.1.4 机制主义模型
3.2 免疫系统模式识别
3.2.1 免疫模式识别
3.2.2 免疫模式识别原理
3.3 免疫系统学习与记忆
3.3.1 免疫学习思想
3.3.2 免疫系统学习与记忆
3.3.3 免疫记忆理论
3.4 免疫系统智能模型
3.5 免疫智能与计算机系统
第三章参考文献
第四章 免疫信息处理与免疫信息学
4.1 概述
4.2 信息论与生物学
4.3 免疫系统信息处理
4.3.1 免疫信息处理本质
4.3.2 免疫系统信息处理模式
4.3.3 新信息的产生
4.3.4 免疫多样性的随机产生
4.3.5 意义的产生
4.3.6 克隆选择的意义
4.3.7 危险与目的论
4.4 神经、内分泌、免疫系统间的相互信息交流和调节
4.4.1 免疫系统与其他系统的相互信息交流
4.4.2 免疫信息活动层次
4.4.3 免疫突触与免疫信息网络
4.5 免疫信息学
4.5.1 概念与起源
4.5.2 实验基础与理论基础
4.6 免疫信息学与人工免疫系统
第四章参考文献
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
5.1 概述
5.2 免疫系统建模与仿真方法
5.2.1 数学模型与计算模型
5.2.2 形态空间
5.2.3 字符串模型
5.2.4 细胞自动机模型
5.2.5 Petri网模型
5.2.6 基于主体的模型
5.2.7 多尺度建模方法
5.3 模型要求
5.3.1 基本特征
5.3.2 免疫系统模拟方法
5.3.3 分析
5.4 本章小结
第五章参考文献
第六章 面向医学的免疫系统仿真
6.1 概述
6.2 免疫系统仿真
6.2.1 免疫系统仿真器
6.2.2 改进CS模型
6.2.3 SIMMUNE模型
6.2.4 群智能模型
6.2.5 自下而上方法
6.3 讨论
第六章参考文献
第三部分 面向工程的人工免疫系统
第七章 免疫混合算法
7.1 概述
7.1.1 免疫算法的基本类型
7.1.2 免疫算法设计
7.2 一般免疫算法
7.2.1 一般免疫算法描述
7.2.2 信息熵免疫算法
7.2.3 矢量矩免疫算法
7.3 免疫遗传算法
7.3.1 概述
7.3.2 装箱问题免疫遗传算法
7.3.3 免疫记忆遗传算法
7.3.4 免疫疫苗算法
7.4 免疫策略进化算法
7.4.1 概述
7.4.2 算法描述
7.4.3 算法讨论
7.5 免疫规划算法
7.5.1 概述
7.5.2 多模式搜索遗传规划
7.6 免疫粒子群算法
7.6.1 概述
7.6.2 免疫记忆粒子群优化算法
7.6.3 基于疫苗接种的免疫粒子群优化算法
7.7 免疫蚁群算法
7.7.1 蚁群算法的基本原理
7.7.2 蚁群算法和免疫算法的融合
7.8 混沌免疫算法
7.8.1 概述
7.8.2 混沌免疫算法
7.9 混沌免疫遗传模糊算法
7.9.1 CIGAFS的计算策略
7.9.2 CIGAFS的基本特征
7.10 讨论
第七章参考文献
第八章 人工免疫网络
8.1 概述
8.2 人工免疫网络模型的基本框架
8.3 电路模拟人工免疫网络模型
8.3.1 模型描述
8.3.2 仿真结果
8.4 讨论
第八章参考文献
第九章 克隆选择算法
9.1 概述
9.2 基本克隆选择算法
9.2.1 算法过程
9.2.2 不同用途的基本克隆选择算法
9.3 并行克隆选择算法
9.3.1 模型描述
9.3.2 分布式免疫记忆克隆选择算法
9.3.3 并行实现
9.4 免疫克隆数据项挖掘算法
9.4.1 算法思想
9.4.2 关联规则算法
9.4.3 性能分析
9.5 讨论
第九章参考文献
第十章 免疫优化
10.1 概述
10.2 免疫多目标优化
10.2.1 问题描述
10.2.2 约束优化问题的人工免疫响应模型
10.3 免疫多模态（多峰值）优化
10.3.1 算法基本概念
10.3.2 算法流程
10.4 免疫并行优化
10.4.1 算法概念
10.4.2 并行混合免疫算法的实现
10.5 免疫结构优化
10.5.1 概述
10.5.2 结构优化免疫算法
10.6 旅行商问题
10.6.1 旅行商问题的描述
10.6.2 旅行商问题的人工免疫算法
10.7 变邻域免疫算法
10.7.1 变邻域免疫算法
10.7.2 VNIA的分析
10.7.3 数值仿真结果
10.8 免疫神经网络优化
10.9 免疫优化算法理论
10.9.1 概念框架
10.9.2 算法流程
10.9.3 算法理论描述
10.10 讨论
第十章参考文献
第十一章 免疫调度算法
11.1 免疫优化调度综述
11.1.1 免疫调度算法的一般框架
11.1.2 免疫调度算法按机理分类
11.1.3 免疫调度算法的应用领域
11.1.4 免疫调度算法的研究方向
11.2 混合免疫调度算法
11.2.1 参数化活动调度
11.2.2 混沌搜索免疫调度算法
11.2.3 参数化活动调度启发式算法
11.2.4 禁忌搜索调度算法
11.2.5 实验结果
11.3 小结
第十一章参考文献
第十二章 免疫控制
12.1 概述
12.2 人工免疫系统在控制领域中的应用
12.3 免疫控制器
12.3.1 基于免疫应答的控制器
12.3.2 双因子免疫机制
12.3.3 双因子免疫控制器
12.3.4 免疫控制器的设计与实现
12.4 免疫神经控制
12.4.1 人工免疫网络改进方法
12.4.2 基于人工免疫网络的免疫神经控制
12.4.3 控制系统
12.5 基于克隆选择的单级倒立摆PID参数控制
12.5.1 单级倒立摆数学模型
12.5.2 克隆选择控制算法设计
12.5.3 免疫克隆算法
12.5.4 简单克隆选择控制算法
12.5.5 单级倒立摆PID控制参数优化结果
12.5.6 单级倒立摆PID控制效果仿真
12.5.7 单级倒立摆PID实时控制
12.5.8 算法复杂性分析
12.5.9 一阶延迟模型PID控制参数优化
12.6 讨论
第十二章参考文献
第十三章 人工免疫系统与智能主体
13.1 概述
13.1.1 主体概述
13.1.2 多主体与人工免疫系统
13.2 免疫系统在多主体的应用
13.2.1 免疫多主体网络模型
13.2.2 免疫主体唱免疫机制与多主体结合
13.2.3 免疫多主体控制
13.2.4 讨论
13.3 主体在人工免疫系统的应用
13.3.1 基于免疫系统的智能多主体模型
13.3.2 讨论
13.4 一般免疫多主体模型
13.4.1 一般免疫多主体及特征
13.4.2 模型框架
13.4.3 免疫主体的特点
13.5 讨论
第十三章参考文献
第十四章 人工免疫系统与机器学习
14.1 免疫系统与机器学习概述
14.2 免疫无监督学习方法
14.3 面向流数据特征提取的人工免疫网络模型
14.4 基于复杂网络的人工免疫网络模型学习性能评价
14.4.1 网络社区结构的定量描述
14.4.2 基于复杂网络的人工免疫网络性能评价方法
14.4.3 人工免疫网络模型算法的性能评价指标
14.5 基于网络社区结构的数据集非均衡程度度量
14.5.1 问题描述
14.5.2 度量方法
14.5.3 性能评价
14.6 免疫监督学习
14.6.1 免疫分类算法研究
14.6.2 人工免疫识别系统
14.6.3 克隆选择分类器算法
14.6.4 免疫监督学习模型
14.6.5 免疫阴性选择分类器
14.7 人工免疫系统与数据挖掘
14.7.1 人工免疫系统在网络挖掘的应用
14.7.2 人工免疫网络协同过滤推荐系统
14.7.3 基于克隆选择的关联规则挖掘
14.7.4 基于一般免疫算法的关联规则提取
14.7.5 基于人工免疫网络的频繁项挖掘算法
14.8 讨论
第十四章参考文献
第十五章 人工免疫系统与异常检测
15.1 概述
15.1.1 异常检测定义
15.1.2 问题描述
15.2 阴性选择算法
15.2.1 发展与研究概述
15.2.2 基本阴性选择算法
15.2.3 实数阴性选择算法
15.2.4 多层免疫学习算法
15.3 阴性选择算法的匹配规则
15.3.1 匹配规则定义
15.3.2 实数值表示及距离度量
15.4 检测器产生机制
15.4.1 字符串型检测器
15.4.2 基于遗传算法的检测器产生法
15.4.3 启发式检测器产生算法
15.4.4 空间转换检测器产生法
15.4.5 多形态检测器产生法
15.5 检测器产生复杂性
15.6 检测器覆盖
15.6.1 二进制检测器覆盖
15.6.2 实数检测器覆盖
15.6.3 变阈值阴性选择算法及覆盖效率
15.6.4 检测器集的生成方法与分析
15.6.5 关于阴性选择算法的一些问题
15.7 基于人工免疫系统的故障诊断
15.7.1 故障诊断
15.7.2 基于人工免疫系统的故障诊断
15.7.3 硬件系统的免疫故障诊断
15.7.4 软件系统的免疫故障耐受
15.8 基于人工免疫系统的计算机安全
15.8.1 概述
15.8.2 基于免疫的计算机安全系统
15.8.3 入侵检测
15.8.4 病毒检测
15.8.5 免疫垃圾邮件检测
15.8.6 危险理论在计算机免疫系统的应用
15.9 讨论
第十五章参考文献
第十六章 人工免疫系统硬件
16.1 免疫硬件系统
16.1.1 免疫故障耐受系统概述
16.1.2 硬件免疫故障耐受系统的原理与实现
16.1.3 基于免疫电子学的胚胎阵列
16.2 免疫计算机
16.2.1 问题
16.2.2 定义
16.2.3 应用
16.2.4 免疫计算机基础
16.3 抗体芯片
16.3.1 蛋白质与抗体微阵列芯片技术
16.3.2 抗体芯片的特点与作用
16.4 讨论
第十六章参考文献
第十七章 人工免疫系统软件
17.1 概述
17.2 人工免疫系统平台iNet
17.2.1 iNet中的构件和模式
17.2.2 iNet的应用iNexus——基于策略的网络服务器
17.3 适应性人工免疫系统的软件构架
17.3.1 人工免疫系统适应性问题
17.3.2 适应性构架
17.3.3 GeGeM通用基因模型
17.3.4 GeGeM模型的一般性
17.3.5 讨论
17.4 免疫启发的分布式学习环境
17.4.1 模型概念
17.4.2 结构
17.4.3 过程
17.4.4 用途
17.5 讨论
第十七章参考文献
第十八章 免疫系统计算
18.1 新结构和技术的需求
18.2 复杂问题与生物学方法
18.3 硅的替代
18.4 免疫系统计算和免疫体模型
18.4.1 免疫系统计算与免疫系统计算机
18.4.2 免疫系统计算
18.4.3 抗体芯片与免疫系统计算机
18.5 免疫体模型
18.6 讨论
第十八章参考文献
第四部分 人工免疫系统理论
第十九章 人工免疫系统研究框架
19.1 面向工程的人工免疫系统模型
19.2 人工免疫系统模型
19.2.1 进程代数
19.2.2 多主体模型
19.3 免疫隐喻
19.3.1 隐喻思想
19.3.2 免疫系统隐喻
19.4 人工免疫系统设计框架
19.5 人工免疫系统一般设计步骤
19.6 人工免疫系统作为复杂自适应系统
19.7 讨论
第十九章参考文献
第二十章 人工免疫系统问题与展望
20.1 人工免疫系统现有问题与展望
20.1.1 免疫算法
20.1.2 理论研究
20.1.3 混合系统
20.1.4 应用
20.2 人工免疫系统未来面临的问题
第二十章参考文献
附录A 人工免疫系统的相关论著
A.1 图书与特刊
A.2 人工免疫系统研究者与网站
A.3 研究组织
附录B 中英术语对照
京公网安备 11010102004214号