基本思想是將想要求解的各類優化問題的目標函式（約束條件）與抗原相對應，找到可以與抗原進行親和反應的抗體，該抗體就是要求的最優解。
最核心要解決的就是
1.計算抗原和抗體的親和度，親和度越高，越可能是最優解，
2.計算抗體和抗體間的相似度，調查抗體群具有的多樣性。
ia是必須要產生多樣性抗體和抗原去抗衡。具體的流程圖如下：
計算方式：資訊熵
利用資訊理論，用抗體的資訊量去描述抗體的多樣性，以及抗體和抗原的親和度
乙個免疫系統有n個抗體構成，也就是乙個抗體群
多樣性用資訊熵來表示
生成新的抗體群過程中要控制相同抗體的數量，這就需要在這一過程中計算抗體的相似度。
每個抗體會計算它與其他抗體間的相似性，然後計算該抗體的濃度。
首先我們需要識別抗原（也就是要知道要解決的問題是什麼？）
ia是必須要產生多樣性抗體和抗原去抗衡，從而找到最優解。
當我們識別抗原以後，我們會隨機產生乙個初始抗體群，對於抗體群的大小，和抗體長度都是我們自定義的引數值。
現在假設乙個免疫系統的初始抗體群如下圖所示：抗體群大小為n,遺傳因子共m位
針對抗體群計算各個遺傳因子的資訊熵再計算整體的資訊熵
為了判斷抗體是否具有多樣性，根據資訊理論的定義，我們用資訊熵來表示抗體的多樣性，抗體由m位遺傳因子構成，先計算各個遺傳因子的資訊熵
pij表示在j位置的遺傳因子取值i的概率（遺產因子的取值範圍是s個符號離散值）。
n個抗體對應共n個在j位置的遺傳因子。那麼這n個值中假設取值為i符號的有nij個，那麼
再計算該抗體群的資訊熵，共m位遺傳因子組成乙個完整的抗體qun
生成新的抗體群過程中要控制相同抗體的數量，這就需要在這一過程中計算抗體的相似度。
h(u，v)----由u,v兩個抗體組成的新抗體群，計算對應的熵。（相當於計算新抗體群多樣性）
抗原抗體親和度計算
核心問題就是設定好所求問題的目標函式，一般目標函式會有很多未知引數，
找出能夠完全親和抗原的抗體，也就是找到了最優的解。
若沒有找到，則需要ju，交叉具體異等方式去更新抗體庫，生成新的抗體，同時將更新記憶細胞。
具體步驟如下：
(1)抗原識別，即理解待優化的問題，對問題進行可行性分析，提取先驗知識，構造出合適的親和度函式，並制定各種約束條件。
(2)初始抗體群，通過編碼把問題的可行解表示成解空間中的抗體，在解的空間內隨機產生乙個初始種群。
(3)對種群中的每乙個可行解進行親和度評價。（記憶單元的更新：將與抗原親和性高的抗體加入到記憶單元，並用新加入的抗體取代與其親和性最高的原有抗體(抗體和抗體的親和性計算)）
(4)判斷是否滿足演算法終止條件；如果滿足條件則終止演算法尋優過程，輸出計算結果；否則繼續尋優運算。
迭代：（5）（6）（7）
(5)計算抗體濃度和激勵度。（促進和抑制抗體的產生：計算每個抗體的期望值，抑制期望值低於閾值的抗體；可以知道與抗原間具有的親和力越高，該抗體的轉殖數目越高，其變異率也越低）
(6)進行免疫處理，包括免疫選擇、轉殖、變異和轉殖抑制。
免疫選擇:根據種群中抗體的親和度和濃度計算結果選擇優質抗體，使其活化；
轉殖:對活化的抗體進行轉殖複製，得到若干副本；
變異:對轉殖得到的副本進行變異操作，使其發生親和度突變；
轉殖抑制:對變異結果進行再選擇，抑制親和度低的抗體，保留親和度高的變異結果。
(7)種群重新整理，以隨機生成的新抗體替代種群中激勵度較低的抗體，形成新一代抗體，轉步驟(3)。
轉殖免疫演算法 ICPSO
一 改進的pso 缺點 早熟 陷入區域性最優 後期失去多樣性。二 精英轉殖演算法 1.將種群按粒子數等分成i個子種群 p1,p2 pi 評價粒子的適應度值，將每個子種群的有最優解三個的粒子的位置存在p0中，p0大小為3 i，稱作精英種群，用於替換最差的粒子。2.對p0進行超突變。每個粒子隨機選擇乙個...
學習 人工免疫演算法
開始專案後，我主要負責研究網路自免疫，對人工免疫系統有了一些 初步的了解。人工免疫特點 1.識別與分類 可是識別自體和非自體。如陰性選擇法建立的檢測器 2.多樣性 可以對進行基因重組，並可以進行高頻變異。3.自學習 親和力成熟，在系統打破穩定後依舊可以識別並消滅抗原，並可以更新規則庫。免疫網路和轉殖...
人工智慧 免疫演算法概述
immune 免疫 是從拉丁文衍生而來的。很早以前，人們就注意到傳染病患者痊癒後，對該病會有不同程度的免疫力。在醫學上，免疫是指機體接觸抗原性異物的一種生理反應。1958年澳大利亞學者burnet率先提出了與免疫演算法 immune algorithm，ia 相關的理論 轉殖選擇原理。1973年je...