（计算机应用技术专业论文）人工免疫算法及其在优化问题中的应用研究.pdf

摘要 人工免疫算法及其在优化问题中的 应用研究1 计算机应用技术专业硕士研究生靳宗信 指导教师5 t 0 光远教授 摘要 人工免疫算法是一种受生物免疫系统启发而设计的新型智能优化算法。它结合了问题的 先验知识和生物免疫系统的自适应能力，因而具有在信息处理方面有较强的鲁棒性、在求解 优化问题时不要求目标函数具有可导性等附加信息、在搜索过程中能更好地收敛到全局最优 解等特点，现己被用于机器学习、异常和故障诊断、机器人行为仿真、机器人控制、网络入 侵检测、函数优化等众多领域，表现出卓越的性能和效率，被人们认为是最具潜力的智能搜 索算法之一。 本文在已提出的人工免疫算法的基础上，结合免疫原理，对人工免疫算法及其在优化问 题中的应用进行了研究，主要体现在以下几个方面： ( 1 ) 针对免疫系统能通过注射疫苗来达到快速识别抗原的特性，提出了一种基于动态疫苗 提取的免疫遗传算法( i m n l l m eg e n e t i ca l g o r i t h mb a s e dd y n a m i cv a c c i n ee x t r a c t i o n ，简称 i g a b ) ，并将其用于t s p 问题求解。仿真结果表明，i g a b 能抑制遗传算法在迭代过程中出现的 退化现象，提高算法的收敛速度。 ( 2 ) 根据b 细胞的克隆选择机制是免疫系统产生抗体多样性的重要手段，提出了一种改进 的自适应克隆选择算法( i m p r o v e d a d a p t i v e c l o n a ls e l e c t i o n a l g o r i t h m ，简称i a c s a ) ，并将其 用于多维函数的优化中。仿真结果表明，i a c s a 能有效抑制基本克隆选择算法在其迭代后期 的停滞现象，提高算法的搜索精度。 ( 3 ) 根据克隆细胞能通过其抗体基因多次重复随机突变和基因块重组来产生种类繁多的 免疫细胞，从而获得丈量识别能力比母体强的b 细胞这一原理，本文提出了一种基丁二超变异 和克隆空间扩展的克隆选择算法( c l o n a ls e l e c t i o na l g o r i t h mw i t hh y p e rm u 协f i o na n ds p a t i a l c l o n ee x t e n s i o n ，简称h s c s a ) ，并将其用于多峰值函数的优化中。仿真结果表明，h s c s a 本文受教育部科学技术蕈点项目( 1 0 4 2 6 2 ) 、重庆市科技计划项目( c s t c 一2 0 0 4 b b 2 0 8 3 ) 和西南大学校基金 项目( s w n u q 2 0 0 5 0 0 4 ) 的资助。 f 两南大学硕十学位论文 不仅具有较高的搜糸精度，而且还使得算法能够及时跳出局部最优点，找剑全局最优解。 最后，本文对人：免疫算法的研究成果及应用前景作了总结和展望。 关键词：生物免疫系统人工免疫算法免疫遗传算法克隆选择算法优化问题 n a b s t r a e t r e s e a r c ho na r t i f i c i a li m m u n e a l g o r i t h ma n d i t sa p p l i c a t i o ni no p t i m i z a t i o np r o b l e m s m a j o r ：c o m p u t e ra p p l i c a t i o nt e c h n i q u e s u p e r v i s o r ：p r o f g u a n g y u a nl i u a u t h o r ：z o n g x i nj i n ( 2 0 0 4 1 0 8 6 ) a b s t r a c t a r t i f i c i a li m m u n ea l g o r i t h mi sak i n do fn e wi n t e l l i g e n to p t i m i z a t i o na l g o r i t h mw h i c hi s i n s p i r e db yb i o l o g i c a li m m u n es y s t e m b e c a u s et h i sa l g o r i t h mc o m b i n e st h ep r i o rk n o w l e d g ea n d t h ea d a p t i v ea b i l i t yo fi m m u n es y s t e m ，i th a ss o l n ec h a r a c t e r i s f c sa sf o l l o w ：r o b u s ti ni n f o r m a t i o n p r o c e s s i n g ；n o tr e q u i r i n gd e r i v a b l ea d d i t i o n a li n f o r m a t i o no ft h eo b j e c t i v ef i m e f i o ni ns o l v i n g o p t i m i z a t i o np r o b l e m ：b ea b l et of i n d b e t t e rg l o b a lo p t i m a ls o l u t i o ni nt h ep r o c e s so f s e a r c h i n gn o w t h i sk i n do fa l g o r i t h mh a sb e e nu s e di nm a n yf i e l d si nw h i c hs h o w i n ge x c e l l e n tp e r f o r m a n c ea n d e f f i c i e n c y ，s u c ha sm a c h i n el e a r n i n g , u n c o n v e n t i o n a l i t ya n dm a l f u n c t i o nd i a g n o s i s ，s i m u l a t i o no f t h eb e h a v i o ro fr o b o t s ，c o n t r o lo fr o b o t s ，i n t r u s i o nd e t e c t i o no fn e t w o r k s ，f u n c t i o no p t i m i z a t i o n a n ds oo n ，s oi ti sc o n s i d e r e dt ob eo n eo f t h em o s tp o t e n t i a li n t e l l i g e n ts e a r c ha l g o r i t h m s b a s e do nt h ep r o p o s e da r t i f i c i a li n r l l u n ea l g o r i t h ma n dt h ep r i n c i p l eo f t h ei n m l u n es y s t e m , w e h a v er e s e a r c h e do na r t i f i c i a li m m u n es y s t e ma n di t sa p p l i c a t i o ni no p t i m i z a t i o np r o b l e m si nt h i s p a p e r ，a n dt h em a j o rc o n t r i b u t i o n sa r es h o w e da sf o l l o w s ： ( 1 ) a c c o r d i n gt ot h ec h a r a c t e r i s t i ct h a tt h ei m m u n es y s t e mc a l la c c o m p l i s hq u i c k l yt h ep u r p o s e o fi d e n t i f y i n gt h ea n t i g e nb yi n j e c t i n gv a c c i n e ，t h ei m m u n eg e n e t i ca l g o r i t h mf o u n d e do nd y n a m i c v a c c i n e ( i g a b ) w h i c hi sa p p l i e di nt s pi sp r o p o s e & t h es i m u l a t i o ns h o wt h a tt h ei g a bc a n p r e v e n tt h ea l g o r i t h md e g e n e r a t i v ee f f e c t i v e l yd u r i n gt h ep r o c e s so fo p t i m i z a t i o no ft h eg e n e t i c a l g o r i t h m , a n di n l p r o v et h ec o n v e r g e n ts p e e do f t h ea l g o r i t h m - ( 2 ) b e s e do nt h em e c h a n i s mt h a tt h ec l o n a is e l e c t i o nm e c h a n i s mo fbc e i t si so n eo ft h e i m p o r t a n ta p p r o a c h e st og e n e r a t e sd i v e r s i t yo fa n t i b o d i e s ，t h en n p r o v e da d a p t i v ec l o n a ls e l e c t i o n a l g o r i t h m ( i a c s a ) i sp r o p o s e d w ea p p l i e dt h ei a c s ai nm u l t i d i m e n s i o n a lf u n c t i o no p t i m i z a t i o n p r o b l e m s ，a n dt h ee x p e r i m e n tr e s u l t ss h o wt h a tt h ei a c s a c a l lr e s t r a i nt h es t a g n a t i o na tt h ee n do f i t c r a t i v eo p t i m i z a t i o n ，a n di m p r o v et h eq u a l i v yo f t h es o l u t i o n s i l l 曲南大学硕十学付论文 ( 3 ) a c c o r d i n g t o t h e p r i n c i p l e t h a t t h e bc e l l sc a n p r o d u c e k i n d so f i m m u n ec e l l s w h i c hh a v e t h es t r o n g e ri d e n t i c a la b i l i t y b ym u t a t i o na n dr e p r o d u c t i o no ft h eg e n ei ni t sb o d y ，t h ec l o n a l s e l e c t i o na l g o r i t h mw i t hh y p e rm u t a t i o na n ds p a t i a lc l o n ee x t e n s i o n ( h s c s a ) i sp r o p o s e d w e a p p l i e dt h eh s c s ai nm u l t i m o d a lf u n c t i o no p t i m i z a t i o n ，a n dt h ee x p e r i m e n tr e s u l t ss h o wt h a tt h e h s c s ac a l ln o to n l yi m p r o v et h eq u a l i t yo ft h es o l u t i o n s ，b u ta l s om a k et h ea n t i b o d ye s c a p ef r o m l o c a lo p t i m a ，a n df m dt h eg l o b a lo p t i m u mi nt h ew h o l es o l u t i o ns p a c ef i n a l l y a t l a s t ,s u m m a r i z e dt h er e s e a r c hr e s u l t sa n dl o o k e d f o r w a r da p p l i c a t i o nf o r e g r o u n df o r a r t i f i c i a li m m u n ea l g o r i t h m k e yw o r d s ：b i o l o g i c a lh n n i u l ”s y s t e m ；a r t i f i c i a li m m u n ea l g o r i t h m ：i m m u n eg e n e t i ca l g o r i t h m ： c l o n a ls e l e c t i o na l g o r i t h m ；o p t i m i z a t i o np r o b l e m s 独创性声明 本人提交的学位论文是在导师指导下进行的研究工作及取得的 研究成果。论文中引用他人已经发表或出版过的研究成果，文中已加 了特别标注。对本研究及学位论文撰写曾做出贡献的老师、朋友、同 仁在文中作了明确说明并表示衷心感谢。 学位论文作者：甄泵位签字日期：- z o o 1 年r 月。日 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允 许论文被查阅和借阅。本人授权西南大学研究生院( 筹) 可以将学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书，本论文：口不保密， 口保密期限至年月止) 学位论文作者签名：勒识位导师签名：c 乞 芝 签字日期：d 年，月( d 日签字日期：子年厂月，o 日 第一章绪论 第一章绪论 1 1 引言 科学技术突飞猛进，使得当今社会已经变成一个信息社会，在全球信息化的 过程中，随着生命科学与计算机科学的相互交叉、相互渗透和相互促进，研究生 物体各个信息处理系统的生理功能和特点及作用机理，从中抽取出相应的人工模 型并有效应用于各个领域，已迅速成为研究的热点。 人工免疫系统( a r t i f i c i a ll r l l m u n cs y s t e m ，简称a i s ) 是继人工神经网络、进 化计算之后的智能计算研究新方向，为当前智能信息处理领域提供了一种有效的 工具。随着免疫学理论研究的不断发展，人们对生物免疫系统的认识不断深入。 免疫系统作为一种高效的分布式并行信息处理系统，其独特的工作机理和出色的 工作效能已在机器学习 1 、知识发掘 2 、函数优化 3 、组合优化 4 、智能控 制 5 、计算机安全 6 等领域展示出巨大的魅力，引起了国内外研究人员的极大 兴趣。 人工免疫系统研究的目的旨在通过深入探索生物免疫系统所蕴含的信息处理 机制，建立相应的工程模型和算法，开拓新型智能信息处理系统。可见，借鉴免 疫原理提出高效的学习和优化算法，是人工免疫理论研究的重要内容之一，免疫 系统有许多优点可用于发展新型计算方法，免疫算法就是一种借鉴生物免疫系统 特性而形成的启发式搜索算法，现已被广泛应用于机器学习 7 、异常和故障诊断 8 、机器人行为仿真 9 、机器人控制e 1 0 、网络入侵检测 h i 、神经网络设计 1 2 、数据挖掘 1 3 等领域，表现出了较为卓越的性能和效率。 优化问题求解是人工智能的个重要的应用领域，优化问题也一直是人们感 兴趣的问题之一。由于该问题的普遍性和重要性，几十年来得到了广泛和深入的 研究。直到现在，仍有许多学者在对优化问题作更为深入的研究工作。正是因为 这些持续的研究工作，才不断涌现出新的理论和方法，满足了科学与技术发展的 需要，也为人工免疫系统的发展提供了基础。基于免疫系统原理开发的各种模型 和算法已经引起人们的极大重视，其在科学研究和工程实践上将会有越来越多的 应用。 本文在现有成果的基础之上，对免疫遗传算法和克隆选择算法进行了研究， 并对原有算法进行了改进。把改进后的免疫遗传算法用于t s p 问题的求解，其收 敛速度和解的质量均优于原算法。把改进后的克隆选择算法用于函数优化问题， 也取得了满意的效果。 两南大学硕十学伊论文 1 2 人工免疫算法的研究现状 因为对免疫机理的认识还不是十分系统和深入，所以，有关免疫算法的研究 主要集中在利用免疫机理改进其它的算法以构成新的算法，如免疫遗传算法、免 疫神经网络等。而关于人工免疫系统本身算法的研究成果并不多，主要是基于克 隆选择原理的克隆选择算法、基于阴性选择原理的阴性选择算法等。 利用免疫机理改进的算法主要是遗传算法。r d e a t o n 、孟繁桢、周伟良、王 煦法、曹先彬、邵学广、王磊等从不同的角度研究了利用免疫机理改进遗传算法 的方法，克服了遗传算法过早收敛的问题，获得了满意的效果 1 4 - 2 0 。武晓今等 探讨了免疫遗传系统的构造及其在函数寻优中的应用 2 1 。曹先彬等借鉴生物免 疫中的独特性网络调节理论，将进化个体对应为免疫系统中的抗体，群体适应度 增量作为抗原，提出了一种改进的遗传算法，实现了种群在群体收敛性和个体多 样性之自】动态平衡的调整。孟繁桢等提出具有免疫体亲近性特征的遗传算法，增 加了在已知的优秀个体中扩大同类个体范围的功能，避免了在同类个体中的最优 秀者被丢失的可能性，同时保留了通常的遗传算法的交叉、变异等遗传算子，扩 大了全局的搜索范围，避免了局部收敛。这些改进算法可以快速求出满足一定精 确度要求的最优解，对解决工程应用问题具有很高的应用价值。 kk r i s h n ak u m a r 等将神经网络和免疫系统机理结合提出了“免疫神经控制 ( i m m u n en e u r a lc o n t r o l ，i n c ) ”的结构 2 2 ，ms a s a k i 等提出了一种基于免疫 系统反馈机理的自适应学习神经网络控制器 2 3 。李亭鹤等针对凹形重叠区难以 精确寻点的问题，提出了一种新的洞点搜索方法一感染免疫法。实际应用表明， 该方法无论是在寻点能力还是在通用性方面都优于传统模式 2 4 。 1 9 9 6 年h u n t 等人提出了一种人工免疫系统模型一b 细胞网络 2 5 ，用于染色 体的模式识别。文中通过模拟抗体的进化过程，实现了一组不同模式的识别和记 忆。其结果显示，利用部分淋巴细胞产生高变异克隆反应的方法，能够在给定的 种群内维持多样性的亚种群，并完成优化个体的快速搜索。同年，h i g h t o w e r 在对 抗体基因库和免疫多样性的研究过程中，从b a l d w i n 效应的角度，考察了抗体的优 化过程。该文证明了克隆选择过程具有较强的优化能力 2 6 。2 0 0 0 年d e c a s t r o 等 人对克隆选择机理进一步浓缩和概括，提出一种较为简洁的克隆选择算法 2 7 ， 该算法被用于字符识别、多模态函数优化和t s p 问题的求解，仿真结果表明，采 用克隆选择方法，有利于在种群中获得和保持多种优化解的模式。算法的缺点是 计算冗余度较大。2 0 0 2 年c a r l o s 等人以克隆选择为核心构造了一种人工免疫系统 2 8 ，用于求解多目标函数优化问题，并与三种有代表意义的多目标函数优化方 法作了比较，仿真结果显示，克隆选择方法能够搜索和保存更多的p a r e t o 解。同 2 第一章绪论 年，杜海峰将克隆选择原理应用于函数优化问题的求解 2 9 ，并对算法的全局收 敛性进行了分析，证明了基于二进制编码的克隆选择算法是全局收敛的。 f o n e s t 于1 9 9 4 年提出了阴性选择算法，并把它用丁二解决各种各样异常检测问 题。该算法定义“自体”为被监视系统的正常模式。算法产生一定数量的随机模 式，并将其与所定义的自体模式比较，如果任何随机产生的模式能够匹配任何一 个自体模式，这个模式就不能成为一个检测器，而设删除；否则，这个模式则变 成一个检测器并执行监视任务。在监视阶段，如果一个检测器匹配任何被监视系 统的模式，那么，就认为新的异常肯定在被监视系统中发生了。f o r r e s t 的阴性选 择算法已成功地应用于计算机病毒检测、t o o lb r e a k a g e 检测、实践序列异常检测和 网络入侵检测 3 0 。但它还存在两个问题，即候选监测器个数随着自体规模的增 加而呈指数级增长；检测失败率则随自体规模的增大而增大。d h a e s e l e e r 3 1 在 1 9 9 6 年提出了两个与输入规模成线性时间比例的异常检测器产生算法，并分析了 如何设定指令系统规模、匹配概率、检测失败概率、对邻近r 位匹配规则等关键参 数的选择过程。试图选择差距尽可能大的检测器，并以同样的检测器数量获得了 更好的字符串空间收敛效果，其结果却增加了系统的运行成本。之后又有许多学 者对f o r r e s t 算法进行了改进，取得了不错的效果。张海英等 3 2 在2 0 0 5 年提出了 一种改进的入侵检测阴性选择免疫算法，并对算法中的几个关键参数进行了仿真 实验，分析了参数对算法的收敛速度、检测失败率的影响，仿真结果表明，该算 法具有更好的收敛速度和检测效果。张衡等 3 3 在2 0 0 5 年提出了一种r 可变阴性 选择算法，该算法大大减少了不可避免的“黑洞”数量。仿真结果表明，该算法 产生成熟检测器的迭代次数、黑洞数量均大幅下降。同时检测率也有显著提高。 人们将免疫算法应用于函数优化、组合优化、调度问题、神经网络优化、网 络入侵检测等诸多优化领域中，并取得了很好的效果。由此可见，免疫算法本身 所具有的特性，决定了它对于各种优化问题的求解有着巨大的潜力，可以预见免 疫优化算法将会在优化领域中得到更广泛的应用。 1 3 人工免疫算法的研究意义 实践中的许多工程问题都可以归结为带约束的最优化问题，其种类与性质繁 多。总体而言，最优化问题可分为函数优化问题和组合优化问题两大类，其中函 数优化的对象是一定区间内的连续变量，而组合优化的对象则是解空间中的离散 状态。 随着科学技术的不断进步，很多优化问题呈现非凸、非线性、不可导的特点， 应用传统的方法很难得到满意解。因此，从实际应用的角度出发，能够得到满意 解的近似算法或以一定的概率保证解的质量的随机算法越来越受到重视。近几十 西南大学硕士学伊论文 年来，人们从不同的角度出发对生物系统、人类自身及其行为特征等进行了模拟 与研究，开发出了一些具有较强通用性的算法，如模拟退火( s a ) 、遗传算法( g a ) 、 粒子群算法( p s 0 ) 等。此类方法在最优化问题中得到了广泛的应用，特别是在一 些难解的组合优化问题上取得了显著的成果，其所求结果优于传统方法所得到的 最好近似解。但是，此类算法本身却存在着难以解决的问题，其中之一就是局部 收敛与全局收敛之间的矛盾，造成了算法的早熟收敛问题。 免疫系统为解决以上问题提供了灵感的源泉。一方面，抗体具有特异性，一 种抗体只能强烈地结合几种类似的抗原决定基或模式。当抗原侵入时，免疫系统 首先进行免疫识别，然后快速地产生抗体来消灭抗原。与生物进化过程相比，这 是一个快速的过程，一般只为十几分钟到几天的时间。另一方面，免疫系统大约 含有1 0 8 种不同的蛋白质( 抗体是能够与抗原发生特异性结合的球蛋白) ，但外部 潜在的抗原或待识别的模式有1 0 1 6 种之多。要实现对数量级远远大于自身抗原的 识别，就需要有效的抗体多样性机制。将抗体多样性的产生机制用于进化算法中， 可以有效地克服进化算法的早熟收敛问题，从而更好地找到全局最优解。 随着对人工免疫系统原理研究的不断深入，基于人工免疫原理开发的各种模 型和算法逐渐被广泛地应用到科学研究和工程实践中，现已在函数优化、组合优 化、调度问题等方面取得了很好的效果。基于免疫原理实现的免疫算法在组合优 化求解中显示出了强大的能力，多数情况下，免疫算法取得了比现有启发式算法 更好的求解结果，尤其是在求解效率方面，显示出人工免疫算法在智能优化领域 具有广阔的应用前景。 1 4 具体工作及内容安排 本文的具体工作包括： ( 1 ) 用一种新的疫苗提取方法对一般免疫遗传算法进行了改进，并把改进后 的算法用于t s p 问题的求解，取得了良好的效果。 ( 2 ) 为了解决基本克隆选择算法在迭代后期容易出现停滞的现象，本文提出 了一种改进的自适应克隆选择算法( 认c s a ) 。仿真结果表明，i a c s a 可以提高搜 索精度。 ( 3 ) 虽然i a c s a 的搜索精度很高，但其在解决多峰值函数的优化时容易陷 入局部最优点。为此，本文提出了一种基于超变异和克隆空间扩展的克隆选择算 法( h s c s a ) ，并用几个典型的b e n c h m a r k 测试函数对其进行了检验，仿真试验结 果表明h s c s a 不仅具有较高的搜索精度，而且还能及时跳出局部最优，找到全局 最优解。 与具体的工作相对应，本文的内容安排如下： 4 第一章绪论 第一章为绪论部分，主要介绍了人工免疫算法的研究现状，研究意义，并对 本文所做的工作以及本文的内容安排作了说明。第二章介绍了有关免疫理论的生 物学基础。指出生物免疫系统是一个由中枢免疫器官和外周免疫器官组成的复杂 的自适应系统，是人工免疫算法的生物学基础。在简要介绍了免疫系统中的一些 基本概念、系统的组成、系统的功能和特点之后，对人工免疫系统基本原理及应 用做了简单的概述。第三章讨论了两种人工免疫算法：免疫遗传算法和克隆选择 算法，并根据其相应的生物学原理对这两种免疫算法进行了改进，提出了三种改 进的免疫算法。第四章是把第三章中的改进算法应用于优化问题的求解。把改进 的免疫遗传算法用于t s p 问题的求解，把改进的克隆选择算法用于求解多维的单 峰值和多峰值函数，并对仿真结果作了必要的说明和分析。第五章是对全文的总 结以及对今后研究工作的展望。 5 西南大学硕十学付论文 第二章免疫理论的生物学基础及人工免疫系统概述 人工免疫系统是继人工神经网络、遗传算法和蚁群算法之后，又一个从生物 系统中获得灵感，并与计算机技术相结合用于解决工程实际问题的计算机模型。 生物免疫系统是人工免疫系统的结构和工作原理的重要思想来源，为了更深入的 了解和学习人工免疫系统，需要对生物免疫学的相关概念有一定的了解。本章将 对生物免疫系统进行全面的介绍。 2 1 生物免疫系统介绍 生物免疫系统是一个极其复杂的自适应系统，是人工免疫算法的生物学基础。 2 1 1 免疫学的基本概念 生物免疫系统是一个由众多组织、细胞与分子等构成的复杂系统，为了便于 理解免疫系统的主要功能和工作机制，有必要先简单介绍一下免疫系统中的一些 基本概念和技术术语。这些概念和技术术语主要包括： ( 1 ) 免疫：“免疫( i m m u n i t y ) ”一词源于拉丁文i m m u n i t a s ，原意是免除税 赋和差役，引入医学领域则指免除瘟疫之意。现代免疫学将“免疫”定义为：机 体对“自己”和“异己( 非己) ”的识别、应答过程中所产生的生物学效应的总和， 正常情况下是维持内环境稳定的一种生理性功能。换言之：机体识别非己抗原， 对其产生免疫应答并清除之：正常机体对自身组织抗原成分则不产生免疫应答。 生物免疫过程宏观描述如图2 一l 所示： l 初次感染 二次感染 uu l 自然免疫 = = 爿获得免疫 = = 剖免疫记忆 u l l l感染恢复免疫、不再感染 图2 _ l 生物免疫过程 ( 2 ) 抗原( a n t i g e n ) 抗原指可被t 、b 淋巴细胞识别，并启动特异性免疫应 答的物质。抗原具有两个重要特性：一为免疫原性，指抗原能够刺激机体产生抗 体或致敏淋巴细胞的能力；二为抗原性或免疫反应性，指抗原能够与其所诱生的 6 第一：章免疫理论的生物学荩础及人t 免疫系统概述 抗体或致敏淋巴细胞特异性结合的能力。 ( 3 ) 自身抗原( a u t o a n t i g e n ) ：自身抗原是指能够引起自身免疫应答的自身组 织成份。 ( 4 ) 抗体( a n t i b o d y ) ：抗体是介导体液免疫的重要效应分子，是b 细胞接受 抗原刺激后增殖分化为浆细胞所产生的糖蛋白，也称为免疫球蛋白分子。抗体可 分为分泌型和膜型，前者主要存在于血液及组织液中，发挥各种免疫功能；后者 构成b 细胞表面的抗原受体。 ( 5 ) t 细胞：即t 淋巴细胞，它在胸腺中成熟，功能包括调节其它细胞的活 动以及直接袭击宿主感染细胞。t 细胞可分为毒性t 细胞和调节t 细胞两类。而 调节t 细胞又可分为辅助性t 细胞和抑制性t 细胞。辅助性t 细胞的主要作用是 激活b 细胞，与抗原结合时分泌，作用于b 细胞并帮助刺激b 细胞的分子。毒性 t 细胞能够清除微生物入侵者、病毒或者癌细胞。 ( 6 ) b 细胞：即b 淋巴细胞，来源于骨髓淋巴样前体细胞，成熟的b 细胞存 在于淋巴结、血液、脾、扁桃体等组织和器官中。b 细胞是体内产生抗体的细胞， 在清除病原体过程中受到刺激，分泌抗体结合抗原，但其发挥免疫作用要受t 辅 助细胞的帮助。 ( 7 ) 表位( e p i t o p e ) ：即抗原决定簇，它存在于抗原分子的表面，是决定特 异性的特殊化学基因。抗原以此来与相应的淋巴细胞表面的抗原受体相结合，激 活淋巴细胞并引起免疫应答。另外，抗原也依靠表位来与相应的抗体发生特异性 结合。所以抗原决定簇是被免疫细胞识别的标志和免疫反应具有特异性的物质基 础。 ( 8 ) 独特型( i d i o t y p e ) ：是指在同一个体内，不同抗体所形成的细胞克隆具 有与其它抗体不同的抗原性，即每一种抗体所表现的与其它抗体不同的抗原特异 性。 ( 9 ) 抗独特型抗体( a n t i _ i d i o t y p ea n t i b o d y ) ：是指针对抗体的独特型而产生 的特异性抗体。 ( 1 0 ) 受体( r e c e p t o r ) ：每一种淋巴细胞都有和抗原结合的专门区域，这个区 域称为受体。只有当淋巴细胞的受体与某种抗原的抗原决定基形状互为补充的时 候，该淋巴细胞才能绑定这种抗原( 即识别出该抗原) ，因此每一种淋巴细胞只能 对少数的几种结构相似的外来抗原发生作用。 ( 1 1 ) 免疫应答( i m m u n er e s p o n s e ) ：是指抗原进入机体后，免疫细胞对抗原 分子的识别、活化、分化和效应过程，它是免疫系统各部分生理的综合体现，包 括了抗原提呈、淋巴细胞活化、特异识别、免疫分子形成、免疫效应，以及形成 免疫记忆等一系列的过程。 7 西南大学硕十学付论文 ( 1 2 ) 亲和力( a f f i n i t y ) ：免疫细胞表面的受体和抗原决定基部是复杂的含有 电荷的三维结构，二者的结构和电荷越互补，就越有可能结合，结合的强度即是 亲和力。 ( 1 3 ) 亲和力成熟( a f f i n i t y m a t u r a t i o n ) ：数次活化后的子代细胞仍保持原代b 细胞的特异性，但中间可能会发生重链的类转换或点突变，这两种变化都不影响b 细胞抗原识别的特异性，但点突变影响其产物抗体对抗原的亲和力，高亲和性突 变的细胞有生长繁殖的优先权，而低亲和性突变的细胞则选择性死亡，这种现象 被称为亲和力成熟，它有利于保持在后继应答中产生高亲和性的抗体。 ( 1 4 ) 变异( m u t a t i o n ) ：在生物免疫系统中b 细胞与抗原结合后被激活， 然后产生高频变异。这种克隆扩增期间产生的变异形式，使免疫系统能适应不断 变化的外来入侵。 2 1 2 生物免疫系统的组成 免疫系统是负责执行免疫功能的组织系统，主要由三部分组成：免疫器官、 免疫细胞和免疫分子，如图2 一l 所示： 图2 - 9 免疫系统的组成 免疫器官是由中枢免疫器官和外周免疫器官组成。中枢免疫器官由骨髓和胸 腺组成，执行生成免疫细胞的功能，功能性b 细胞就是在骨髓中生成的，胸腺中 产生能够进行免疫应答的t 细胞；外周淋巴器官，由淋巴结、脾、扁桃体等组成， 成熟的免疫细胞在这些部位执行应答功能。 免疫器官中执行免疫功能的主要是各类免疫细胞，如淋巴细胞( 包括t 淋巴 细胞、b 淋巴细胞等) 、抗原递呈细胞、粒细胞及其它参与免疫应答和效应的细胞。 t 淋巴细胞和b 淋巴细胞是参与适应性免疫应答的关键细胞，分别发挥细胞免疫 和体液免疫效应；抗原递呈细胞则具有摄取、加工，处理抗原的能力，并可将经 过处理的抗原肽递呈给特异性t 细胞；各类粒细胞主要发挥非特异性免疫效应。 、 、 f 髓脏 和 磋 骨脾 答 冯 ： ： t m j e 一 胞 一 一 器器 细 免 艮 疫疫胞呈。与 精 免免细递胞参 竣 枢周巴原缔它 姬 ，ijl、，jiij(1l_l、 ： 一一一一一一 一 第二章免痉珲论的生物学荩础及人f 免疫系统概述 免疫分子主要包括免疫细胞分子，如抗原识别受体分子、分化抗原分子、主 要组织相容性分子及一些其它受体分子；也包括由免疫细胞和非免疫细胞合成和 分泌的分子，如免疫球蛋白分子、补体分子及细胞因子等。它们在诱导和调节免 疫方面也发挥着重要作用。 2 1 3 生物免疫系统的功能 正常情况下，免疫功能使机体内环境得以维持稳定，具有保护性作用；异常 情况下，免疫功能可能导致某些病理过程的发生和发展。机体免疫系统在对“自 己”或“非己”物质的识别及应答过程中，主要发挥三种功能： ( 1 ) 免疫防御( i m m u n ed e f c n c e ) ：即机体防御原微生物的感染。主要指机 体针对外来抗原的免疫保护作用，异常情况下也可能对抗体产生不利影响，若应 答过强或持续时间过长，则在清除致病微生物的同时，也可能导致组织损伤和功 能异常，即超敏反应：若应答过低或缺少，可发生免疫缺陷病。 ( 2 ) 免疫自稳( i m m u n e h o m e o s t a s i s ) ：机体能通过免疫功能经常消除损伤或 衰老的细胞，以维持机体的生理平衡。机体免疫系统存在极为复杂而有效的调解 网络，借以实现免疫系统功能的相对稳定性，该机制若发生异常，可能使机体对 “自己”或“非己”抗原的应答出现紊乱，从而导致自身免疫病的发生。 ( 3 ) 免疫监视( i m m u n es u r v e i l l a n c e ) ：机体可以通过免疫功能防止或消除体 内新陈代谢过程中发生突变或异常的细胞。由于各种体内外因素的影响，正常个 体的组织细胞不断发生畸变和突变，机体免疫系统可识别此类异常细胞并将其清 除，若该功能发生异常，可能导致肿瘤的发生或持续的感染。 除上述三种主要功能外，免疫系统还有其它许多功，如近年来有人研究免疫 系统的功能与机体其它系统的相互关系，如神经内分泌系统、心血管系统等，已 证明均有相互作用。 2 1 4 生物免疫系统的特点 生物免疫系统是生物进化形成的具有高智能性的防御系统，它具有分布式、 并行性和自适应性等许多特性。这些特性引起了许多领域专家的关注。从事计算 机研究的工作者也从生物免疫系统找到了许多值得借鉴的特性，并将这些特性成 功的应用到了计算机领域。 生物免疫系统的特性主要包括： ( 1 ) 自适应性：生物免疫系统具有识别新型病毒或首次入侵生物体的病毒的 能力，这是生物免疫系统对抗不断变化的外部环境的有力保证。生物免疫系统识 别新型抗原是免疫的第一阶段响应，主要通过采用自我识别的方法来实现的。自 适应性是生物免疫系统最具智能性的地方。自适应性是目前计算机网络安全系统 9 明南大学硕十学伊论文 普遍缺少的，但又是十分重要的。因此网络安全系统可以也应该从生物免疫系统 中学习有关自适应的工作原理和方法。 ( 2 ) 记忆性：生物免疫系统具有迅速识别并消灭已知病毒的能力，这主要是 因为尘物免疫系统具有记忆的特性。免疫系统检测到新病毒以后，通过b 细胞的 免疫记忆能力将此种病毒的特征记录下来，以实现当再次遇见此种病毒时的迅速 识别。现有的大多数计算机安全系统都采用类似的方法，即通过建立病毒库或入 侵检测规则来实现对已知病毒或网络入侵行为的识别。 ( 3 ) 多样性：在胚胎期由于遗传和免疫细胞在增殖中发生基因突变，形成了 免疫细胞的多样性。首先，有机体内免疫细胞的多样性保证了当任意一种抗原侵 入机体时，免疫系统都能找到可识别和消灭此种抗原的免疫细胞，并使之激活、 分化和增殖，进行免疫应答，最终清除抗原。其次，每个个体都有一个独一无二 的免疫系统，存在着群体中免疫系统的多样性。这种多样性保证了当有少数个体 对某病毒呈现脆弱性时，不会出现所有个体都对这种病毒呈现脆弱性的情况。因 此，免疫系统的多样性可大大增强个体和群体的健壮性，借鉴这一特性，可以使 不同的站点或网络具有不同的安全系统，保证一个站点或网络受到攻击和破坏时， 其它站点或网络极少受到同样的攻击和破坏。 ( 4 ) 分布性：免疫系统是一个包括免疫器官、免疫细胞和免疫分子的庞杂系 统，其各组成成分分布于生物体的全身。免疫应答是无集中控制的，它通过分布 在全身众多的局部免疫成分之间的相互作用，来实现对整个机体的保护。分布式 的网络安全系统越来越引起人们的关注，目前，已提出了分靠式的网络安全系统。 分布性是生物免疫系统的一个重要特性，是很值得学习和研究的。 ( 5 ) 动态性：淋巴细胞在体内不断地循环和更新，使免疫保护呈现动态特性。 通常，免疫细胞的生存期短，它们不断地被新产生的淋巴细胞所替代，使得免疫 细胞具有多样性。这种多样化扩大了免疫系统的免疫范围。在计算机安全领域， 无法预先定义所有的攻击模式，假如网络安全系统能够具有动态特性，必定可以 扩大检测入侵的范围，使网络安全系统具有更好的自适应性。 ( 6 ) 多层性：生物免疫系统通过采用多层保护的方法来抵抗外来侵害。如人 类免疫系统采用三层屏障来保护人身免受外界侵害，第一道屏障是皮肤，它能有 效阻止病菌进入人体；第二道屏障是淋巴系统，其通过免疫淋巴细胞识别和消灭 侵入的病菌，第三道屏障是体液循环系统，它将通过排泄的方法将有害物质排出 体外。生物免疫系统的多层性在一些计算机安全系统中已经得到了应用，例如一 些网络安全系统就是由防火墙的过滤功能、代理功能、入侵检测系统检测识别功 能以及主机自身的安全保障功能共同构成的。 ( 7 ) 不完全匹配性：免疫系统在进行病原体识别的过程中采用了不完全匹配 1 0 第：章免疫砰论的生物学基础及人t 免疫系统概述 的方法，这使得免疫系统具有十分强大的识别能力。虽然免疫应答是特异性的， 即每种抗体或受体只能识别和结合特定的抗原。但由于抗原和抗体的匹配是不完 全性的，因此免疫系统的一个淋巴细胞可能对几种不同的、结构相近的抗原做出 反应。从宏观上看，免疫系统用大约1 0 8 种不同的淋巴细胞来识别出约1 0 1 6 种不同 的外来抗原模式。生物免疫系统识别过程中采用的不完全匹配性是免疫系统具有 更强识别能力的保证，对建立有效的计算机安全系统有很好的借鉴意义。 2 1 5 生物免疫系统的工作原理 从信息处理的角度来看，免疫系统具有强大的识别学习和记忆的能力及分布 式、自组织和多样性等特性，这些显著的特性不断吸引着研究人员从免疫系统中 抽取有用的原理，开发相应的人工免疫系统模型和算法用于信息处理和问题求解。 下面对免疫系统中几个重要的原理进行描述： ( 1 ) 抗原识别：抗原识别即免疫系统区分“自我”和“非我”的过程。由于 b 细胞经过了阴性选择，有了自体耐受性，因此能够识别“自我”和“非我”，通 过和抗原接触，来匹配抗原上面的抗原决定基，产生回馈信息，以激发免疫应答。 在抗原识别的过程中，受体和抗原决定基之白j 的结合不需要完全匹配，只要亲合 度超过一定的水平，即可激活免疫应答，这种识别方法称为非精确识别( i m p e r f e c t r e c o g n i t i o n ，简称i r ) 。免疫系统的这个特性，使得它有着极高的识别效率和良好 的泛化识别能力。免疫系统中的b 细胞种类数只能维持在1 0 8 左右的水平，但是却 能够识别l o m 种不同类型的潜在抗原，其中非精确识别是一个重要的原因。 ( 2 ) 初次免疫应答：在受体识别抗原后，免疫系统进入细胞的分化和活化阶 段，系统选择适应度高的b 细胞克隆分化。t 细胞的抑制作用、b 细胞之间的排 斥作用和低适应度的b 细胞的自动消亡共同维持了免疫系统的平衡。在这个动态 平衡中，b 细胞通过高频变异不断进行自我修整，产生更多新的b 细胞群，以进 一步产生更高适应度的抗体。免疫系统每天以生成一千万个新b 细胞的速率增长， l o 天时间就可以产生一个全新的指令系统。b 细胞的高频变异能力，和前面提到 的非精确识别，加上产生细胞之前的基因重排，共同造就了免疫系统惊人的识别 能力。 ( 3 ) 二次免疫应答：在抗原识别的过程中，记忆b 细胞也参与其中，如果某 些记忆b 细胞能够与抗原匹配，产生较高的