由于免疫系统本身比较复杂，因此人工免疫系统模型的研究相对较少，下文是关于人工免疫系统的发展趋势研究。
事实上，生命现象和生物的智能行为一直为人工智能研究者所关注，尤其是近10年人工智能的成就与生物有着密切关系，不论是从结构模拟的人工神经网络，还是从功能模拟的模糊逻辑系统，还是着眼于生物进化微观机理和宏观行为的进化算法，都有仿生的痕迹.也正是模仿生物智能行为，借鉴其智能机理，许多解决复杂问题的新方法不断涌现，丰富了人工智能的研究领域。人工免疫系统是模仿自然免疫系统功能的一种智能方法，它实现一种受生物免疫系统启发，通过学习外界物质的自然防御机理的学习技术，提供噪声忍耐、无教师学习、自组织、记忆等进化学习机理，结合了分类器、神经网络和机器推理等系统的一些优点，因此具有提供新颖的解决问题方法的潜力。其研究成果涉及到控制、数据处理、优化学习和故障诊断等许多领域，己经成为继神经网络、模糊逻辑和进化计算后人工智能的又一研究热点。
1人工免疫系统的历史
生物体是一个复杂的大系统，其信息处理功能是由时间和空间尺寸相异的三个子系统完成的，即：脑神经系统、免疫系统和内分泌系统.人工智能对神经系统的借鉴和模拟的成果很丰富，己经有比较成熟的方法和模型以资利用，相比较而言，对免疫系统和内分泌系统的相应研究还处于初级阶段。
需要说明的是，本文的人工免疫系统指应用于人工智能领域的免疫机理和由此而形成的方法和理论，即计算机实现的数字化免疫系统智能计算模型.其作为智能策略的研究也只是近十几年的事，是人工智能的一个新兴研究领域。
1.1生物免疫研究的发展
在生物学领域中，免疫学是一门相对年轻的学科，然而，人类对自然免疫的认识可以追溯到300年以前.早在17世纪，我国医学家就创造性地发明了人痘以预防天花.1796年英国医生EdwardJenner“牛痘”的发明，取代了人痘苗，是公认的现代免疫学开端.法国免疫学家Pastern?发明了减毒细菌疫苗，奠定了经典免疫疫苗的基础.经过300多年的发展，免疫学己经从微生物学的一章发展成一门独立的学科，并派生出若干分支，例如，细胞免疫学、分子免疫学、神经与内分泌免疫学、生殖免疫学和行为免疫学等。事实上，人们对自然免疫系统的认识还不是十分充分，只是在免疫系统理论上‘建立一个合作系统的综合性理论的基础和需要都己很明显”。就现有的免疫系统理论而言，为学术界所接受，并为工程应用尤其是人工智能领域所借鉴的主要是Burnet的克隆选择学说和Jerne的免疫网络学说。
1.2人工免疫系统的研究概况
Farmer等人(1986)率先基于免疫网络学说给出了免疫系统的动态模型，并探讨了免疫系统与其他人工智能方法的联系，开始了人工免疫系统的研究。在我国，靳蕃教授在1990年前后就己经指出‘免疫系统所具有的信息处理与肌体防卫功能，从工程角度来看，具有非常深远的意义”。但是，这以后的研究成果比较少见。
直到1996年12月，在日本首次举行了基于免疫性系统的国际专题讨论会，首次提出了“人工免疫系统”的概念.随后，人工免疫系统进入了兴盛发展期，D.Datgupta(1997)和丁永生(2000)等认为人工免疫系统己经成为人工智能领域的理论和应用研究热点，相关论文和研究成果正在逐年增力口.1997和1998年IEEESystems，ManamiCybernetics国际会议还组织了相关专题讨论，并成立了“人工免疫系统及应用分会。
2人工免疫系统的研究领域
DDasgupta(1997)系统分析了人工神经网络和人工免疫系统的异同，认为在组成单元及数目、交互作用、模式识别、任务执行、记忆学习、系统鲁棒性等方面是相似的，而在系统分布、组成单元间的通信、系统控制等方面是不同的;并指出，自然免疫系统是人工智能方法灵感的重要源泉。YDote(998)拓展了软计算的概念，认为应该包括免疫网络和混沌理论。Gasper(999)等认为多样性是自适应动态的基本特征，而AIS是比GA更好地维护这种多样性的优化方法。免疫系统所表现出的“学习”行为丰富了模式识别方法.
人工免疫系统的研究主要集中在以下几个方面：
2.1人工免疫系统模型的研究
由于免疫系统本身比较复杂，因此人工免疫系统模型的研究相对较少.Jang-SmgChu(1998)等介绍了免疫算法的数学模型和基本步骤，阐述了它不同于其他优化算法的优点.最后将免疫算法、遗传算法和进化策略同时应用于求解dnc函数的最优值，以进行比较研究.指出免疫算法在求解某些特定优化问题方面优于其他优化算法，有广阔的应用前景1%.基于抗原-抗体相互结合的特征，ATamkanov(2000)等建立了一个比较系统的人工免疫系统模型，并指出该模型经过改进后用于评价加里宁格勒(kaliningrai)生态学地图集的复杂计算。JTimmis(2001)等提出了一种资源限制的人工免疫系统方法，该算法基于自然免疫系统的种群控制机制，控制种群的增长和算法终止的条件，并成功用于Fisher花瓣问题中不是基于免疫系统，而是基于抗体单元的功能提出了一种非网络的人工免疫系统模型。
2.2免疫机理的研究
为了适应环境的复杂性和异敌的多样性，生物免疫系统采用了单纯冗余策略.这是一个具有高稳定性和可靠性的方法.免疫系统是由107个免疫子网络构成的一个大规模网络，机理很复杂，尤其是其所具有的信息处理与机体防御功能，为工程应用提供了新的概念、理论和方法.对这些可借鉴的相关机理扼要阐述如下：
(1)记忆学习免疫系统的记忆作用是众所周知的，如患了一次麻疹后，第二次感染了同样的病毒也不致发病.这种记忆作用是由记忆T细胞和记忆B细胞所承担的.这是因为在一次免疫响应后，如果同类抗原再刺激时，在短时间内，免疫系统会产生比上一次多得多的抗体，同时与该抗原的亲和力也提高了.免疫系统具有识别各种抗原并将特定抗原排斥掉的学习记忆机制，这是与神经网络不同的记忆机制.
(2)反馈机制图1反映了细胞免疫和体液免疫之间的关系，以及抗原(Ag)、抗体(Ab)、B细胞(B)、辅助T细胞(H)和抑制T细胞(TS)之间的反应，体现了免疫反馈机理.其中，IL+表示TH细胞分泌白细胞介素，IL一表示TS细胞分泌白细胞介素。当抗原进入机体并经周围细胞消化后，将信息传递给T细胞，即传递给TH细胞和TS细胞，TS细胞用于抑制TH细胞的产生.然后共同刺激B细胞，经过一段时间后，B细胞产生抗体以清除抗原.当抗原较多时，机体内的TH细胞也较多，而TS细胞却较少，从而产生的B细胞会多些.随着抗原的减少，体内TS细胞增多，它抑制了TH细胞的产生，则B细胞也随着减少.经过一段时间后，免疫反馈系统便趋于平衡.利用这一机理可提高进化算法的局部搜索能力，突出具有特异行为的网络。
(3)多样性遗传机理在免疫系统中，抗体的种类要远大于己知抗原的种类.解释抗体的多样性有种系学说和体细胞突变学说.其主要原因可能是受基因片段多样性的联接以及重链和轻链配对时等复杂机制所控制.该机理可以用于搜索的优化，它不尝试于全局优化，而是进化地处理不同抗原的抗体，从而提高全局搜索能力，避免陷入局部最优。
(4)克隆选择机理[23由于遗传和免疫细胞在增殖中的基因突变，形成了免疫细胞的多样性，这些细胞的不断增殖形成无性繁殖系.细胞的无性繁殖称为克隆.有机体内免疫细胞的多样性能达到这种程度，以至于当每一种抗原侵入机体都能在机体内选择出能识别和消灭相应抗原的免疫细胞克隆，使之激活、分化和增殖，进行免疫应答以最终清除抗原，这就是克隆选择.但是，克隆一无性繁殖一中父代与子代间只有信息的简单复制，而没有不同信息的交流，无法促使进化.因此，需要对克隆后的子代进行进一步处理。可以看出，克隆的实质是在一代进化中，在侯选解的附近，根据亲合度的大小，产生一个变异解的群体，从而扩大了搜索范围，可以增加抗体群的多样性，有助于防止进化早熟和搜索陷于局部极小值;进一步可以认为，克隆是将一个低维空间(n维)的问题转化到更高维(N维)的空间中解决，然后将结果投影到低维空间(n维)中。
(5)其他机理免疫系统所具的无中心控制的分布自治机理、自组织存储机理、免疫耐受诱导和维持机理以及非线性机理均可用于建立人工免疫系统。
2.3人工免疫算法的研究
正是因为对免疫机理的认识还不十分系统深入，所以，有关于免疫算法(以下简称免疫算法)的研究主要集中在利用免疫机理改进其他的算法以构成新的算法，如免疫-遗传算法、免疫-神经网络等等，而关于人工免疫系统本身的算法研究成果并不多，至于利用免疫机理改进其他的算法，又主要集中在遗传算法.RDeaton(1997)[14，孟繁桢(1997)[*]，周伟良(1999)[37，王煦法(1999)[38，曹先彬(2000)[39，邵学广(2001)[4)]，王磊(2001)41]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，克服遗传算法过早收敛的问题，获得了满意的效果.如，武晓今等(001)探讨了免疫遗传系统的构造，及其在函数寻优中的应用[42.曹先彬(2000)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，提出了一种改进遗传算法，实现了个体群在群体收敛性和个体多样性之间动态平衡的调整[39.孟繁桢(1997)等提出具有免疫体亲近性特征的遗传算法，增加了在己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[36.这些改进算法可以快速求出满足一定精求的最优解对解决工程应用问题具有用录。
KKishnaKumarC1997)等将神经网络和免疫系统机理结合提出了“免疫神经控制ONC;)”的结构143.MSasaki(1999)等提出了一种基于免疫系统反馈机理的自适应学习的神经网络控制器。李亭鹤等(2001)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：感染免疫法.实际应用表明，该方法无论是寻点能力还是在通用性方面都优于传统模式。
2.4人工免疫系统方法的应用研究
(1)控制KKrishnaKumar(1997)等将“免疫神经控制(INC)”用于复杂动力学系统的模型自适应控制，效果良好143.MSasakK1999)等提出了一种基于免疫系统反馈机理的自适应学习的神经网络控制器，避免了神经网络学习在最小值附近的摆动，提高了收敛速度。丁永生(2000)等针对低阶或高阶对象，提出一种新颖的基于生物免疫系统反馈机理的通用控制器结构。该控制器包括一个基本的P型免疫反馈控制器和一个增量模块，P型免疫反馈规律由模糊控制器自动调整，控制增量模块可以由常规控制或神经网络来实现。激光热疗法中组织温度控制的计算机仿真结果表明，该控制器的控制性能优于常规控制器.李海峰等(2001)提出了以电力系统电压调节为应用目的的免疫系统的基本模型，演示了应用于STATCOM的细胞免疫电压调节器的控制作用|46.
(2)规划高洁(2001)将一种新的随机优化方法一免疫算法应用于电网规划，利用IEEE-6节点系统作为样本网络进行分析计算.并将该方法跟基于遗传算法的电网规划方法进行比较，结果表明免疫算法在全局寻优的性能方面要优越于遗传算法。
(3)设计张军(2000)等利用共生进化原理设计人工神经网络，创造性地融入了免疫调节原理中的浓度抑制调节机制以保持个体的多样性，提出了基于免疫调节的共生进化网络设计方法148.周伟良(1999)等结合遗传算法的随机全局搜索能力和生物免疫中抗体通过浓度的相互作用机制，构造了免疫遗传算法，并利用实验验证了其在设计神经网络时的有效性。
(4)组合优化曹先彬(2000)等用一种免疫遗传算法有效解决了装箱问题的求解1391.王煦法(1999)，刘克胜(2000)等功实现了TSP优化。牛志强(2001)等用免疫算法解决CDMA中的多用户检测问题。曹先彬等(2000)构造的免疫进化策略在求解二次布局问题时取得了完美的结果。
(5)图象处理DFMcCoy(1997)等将人工免疫系统用于图象分割。王肇捷(2001)等为了得到最佳视差图，将免疫算法用于解决计算机视觉中的立体匹配;与基于像素点灰度匹配相比，免疫算法的匹配效果好;与模拟退火匹配相比，虽然都能得到全局最优的视差图，但免疫算法的匹配速度快。
(6)数据处理邵学广(2000)将免疫机理用于信号拟合，实现了多组分混合色谱信号的解析。利用免疫一遗传算法实现了二维色谱数据的快速解析|55];通过对免疫系统中抗体对外来抗原的识别、肖除等过程的模拟，建立了一种新型的免疫算法模型，为利用数据库解析混合物或生物大分子等物质的复杂NMR谱图开辟了一条全新的途径。杜海峰等基于智能互补融合观点，提出了一种新的数据浓缩方法ART-人工免疫网络，并用于R2空间分类和Fisher花瓣问题的实验。
(7)知识发掘JTimmis(1999)等将人工免疫系统用于数据库知识发现，与单一联结聚类分析和Kononen网络作了比较，认为人工免疫系统作为数据分析工具是适合的。
(8)机器人DDasgupta(1998)基于人工免疫系统建立了多智能体决策系统|57].HMech1ef(2000)等探讨了自然免疫系统的行为，并利用其对外部环境变化敏感的特性改进DNA算法，用于“狗一羊”问题的结果表明，改进的DNA算法适用与解决分布式自动机器人系统问题。JiirHyungJun(1999)等人工免疫系统在分布式自动机器人系统实现了协作和群行为。RLKing(2001)等提出了一个用于智能体的人工免疫系统模型，并总结了人类免疫系统可用于人工免疫系统智能体的主要功能。刘克胜(2000)基于免疫学的细胞克隆学说和网络调节理论，提出了能有效增强自律移动机器人在动态环境中自适应能力的新算法.
(9)故障监测和诊断DDasgupta(1999)等将人工免疫系统用于工业中，进行加工工具破损监测。刘树林等(2001)受生物免疫系统自己一非己识别过程的启发提出了反面选择算法，在故障诊断应用领域中改进了反面选择算法，提出了对旋转机械在线故障诊断的新方法。杜海峰等还将ART-人工免疫网络用于解决多级往复式压缩机故障诊断效果良好。