免疫遗传算法 ①随机创建抗体和抗原的群体; ②抗体和抗原匹配; ③根据抗体的亲和力对抗体做评价; ④用标准遗传算法进化抗体。 这个模型使免疫系统能够通过学习，知道哪些抗体对抗原的识别有帮助。 常见免疫算法

人工免疫算法——matlab，免责声明，朋友分享

在生命科学领域中 人们已经对遗传 Heredity 与免疫 Immunity 等自然现象进行了广泛深入的研究 六十年代Bagley和Rosenberg等先驱在对这些研究成果进行分析与理解的基础上 借鉴其相关内容和知识 特别是遗传学方面的理论与概念

人工免疫系统在智能故障诊断技术中的应用研究

基于人工免疫和FARIMA模型的流量预测方法研究

免疫算法-matlab程序： 这是免疫算法。这个算法几乎与遗传算法一样，只是多用了一个免疫函数。免疫算法是遗传算法的变体，它不用杂交，而是采用注入疫苗的方法。疫苗是优秀染色体中的一段基因，把疫苗接种到其它染色体中。 注意：标准遗传算法的一个重要概念是，染色体是可能解的2进制顺序号，由这个序号在可能解的集合(解空间)中找到可能解。

提出了一种基于危险理论的自动入侵响应系统模型(AIRSDT),对网络活动中自体、非自体、免疫细胞、记忆检测器、成熟检测器和未成熟检测器进行了形式化描述,建立了主机和网络实时危险定量计算方程,并根据主机和网络当前所面临攻击的各类攻击和总体网络危险强度,自动调整入侵响应策略。理论分析和实验结果充分表明,模型有助于解决自动入侵响应研究中难以判断真正危险的入侵或者攻击行为的问题,降低入侵响应次数和响应综合代价。

引入生物免疫系统的机理和约束控制的概念，本文提出了一种能够动态多目标多模态约束优化的免疫优化方法。这种方法主要由环境检测，群体初始化和免疫进化三个模块构成。一个模块是受到免疫监视的机理的启发而获得，其有效检测环境是否发生变化和确定环境的类型；第二个模块依据检测结果产生初始群体；第三个模块不同方向进化两个子群。实验结果表明该方法能有效发现各个环境的一系列帕累托面。

作为一种新的智能计算方法,人工免疫网络已被广泛的应用到模式识别以及数据分类中。现有的人工免疫网络分类算法大都存在两个缺陷:一是网络规模庞大、计算复杂;二是对抗原的一次递呈并不能保证获得全局最优分类器。该文提出了一种新的人工免疫网络分类算法,该算法利用每个类别对应单个B细胞的策略,简化网络规模并减少了同类别B细胞之间的抑制操作,同时引入了新的基于对训练样本正确识别率的亲合度评价函数,实现了基于抗原的优先级的选择策略。采用5组UCI的线性数据和4组混合特征数据以及1幅SAR图像对算法的性能进行了全面测试,结果表明,与模糊C均值算法,多值免疫(MVIN)算法和基于分类问题的克隆选择算法(CSA)相比,新算法在分类精度上具有一定的优势,鲁棒性更好。

人工免疫算法，用于计算函数的极值问题，收敛性极佳，迭代不到10次就可以找到最优解，而且与理论解完全吻合