指出遗传算法的不足，将免疫学原理引入遗传算法，进而形成免疫遗传算法。针对免疫遗传算法在优化问题中的研究现状，从编码技术、先验知识、操作算子、混沌理论引入、多种群方式、与小生境理论结合等方面进行了总结，指出了不足之处，最后探讨了免疫遗传算法需要进一步研究的问题和发展方向。

移动机器人路径规划免疫网络算法研究

西门子化学发光免疫分析仪与LIS通讯的开发手册，很详细，适合LIS开发者

针对进化规划的早熟收敛问题,借鉴免疫系统的应答机制,并结合进化规划与免疫机理,提出一种基于双变异算子的免疫规划算法(DMIP).该算法的核心在于采用全局柯西变异算子和局部高斯变异算子,通过保持种群的多样性和执行记忆保护以及弱小保护策略,保证了算法搜索的快速性和有效性.理论分析和仿真结果均表明,该方法能够有效地提高算法的全局及局部搜索能力,克服早熟现象.

seir的matlab代码 重新设定对群体免疫和持续 SARS-CoV-2 传播的期望 论文的支持代码 目录 关于守则 此存储库中的代码允许重复和独立分析 Felix Wong 和 James J. Collins 在论文“重置对群体免疫和持续 SARS-CoV-2 传播的期望”中描述的代码。 该代码需要 MATLAB 2019b 或更高版本才能运行。 运行代码 传输码网络模型 在主文件夹中，有 MATLAB 脚本，用于再现正文中详述的传输网络模型。 no_exogenous_infections.m 该文件是主要的模拟脚本。 它生成 BA 或 WS 随机图并运行正文中描述的 SEIR 模拟。 它没有考虑任何外源性感染。 （对于完整的图，使用ones()函数生成邻接矩阵。） exogenous_infection.m 该文件是对主要模拟脚本的改编，考虑到了任何外源性感染。 它假设图模型已经生成并且邻接矩阵存储在变量A 中。 在运行 no_exogenous_infections.m 之后运行它以确保正确存储图形模型。 考虑到随机接种的情况，取消注释相应的代码行。 SEIR.m 该文件模

这是我在网上找到的一个程序，有点问题，但也可以给大家参考一下

群体免疫（herd immunity，group immunity），是指人群或牲畜群体对传染的抵抗力。群体免疫水平高，表示群体中对传染具有抵抗力的动物百分比高。因为，疾病发生流行的可能性不仅取决于动物群体中有抵抗力的个体数，而且与动物群体中个体间接触的频率有关。如果群体中有70%—80%的动物有抵抗力，就不会发生大规模的爆发流行。同时群体免疫中的伦理问题也非常突出，在文明社会中，人们已经在经济上有实力、科学技术上有可能去拯救那些弱势群体，于是才出现了一系列生命科学高新技术应用中的伦理、社会和法律的问题。而群体免疫学说的无疑产生了这样的生物伦理学问题。采用此等学说控制疫情在伦理道德上又是否符合社会秩序和人道的方式？是否背离了人文精神与科学精神？从是否符合现代公共卫生学的抗疫标准？是否是为了经济考量而披着科学外衣的反科学行为？诸如此类产生在群体免疫中的问题值得一定程度的调研与探讨。

针对目前多峰函数优化问题较难找到全部局部最优解的情况，提出了改进的免疫优化求解方法。借鉴免疫系统的受体编辑操作、Baldwin效应，设计了相应的算子，增强了算法的学习能力，提高了算法的收敛速度。实验结果表明，本算法求解精度较高，提高了多峰函数寻优的精度。

基于人工免疫算法的旅行商问题研究，丁蕾，叶炳，旅行商问题（TSP）是计算数学中研究最为深入的问题之一，它是一个典型的组合优化问题，在实际中的应用非常广泛，而且长期以来被作

免疫优化算法在物流配送中心选址中的应用，资源内包含完整程序，函数调用时大小写略有瑕疵，只需运行一下主函数，自行修改即可。