免疫優化算法、模型及應用（簡體書）

《免疫優化算法、模型及應用》內容涉及多個領域，主要包括生物免疫機理、免疫系統動力學模型、人工免疫系統概述、否定選擇算法、克隆選擇算法、人工免疫網絡模型、樹突狀細胞算法、基於生物網絡的計算框架、多層免疫模型及其在故障診斷中的應用和引黃工程免疫優化調度模型及其應用。為便於讀者使用和研究，書中給出了主要算法流程對應的測試結果，源程序可與作者聯繫獲得。
《免疫優化算法、模型及應用》可供計算機科學等相關領域的高年級本科生和研究生閱讀，也可供相關科研人員閱讀參考。

第1章 生物免疫機理
1.1 生物免疫系統
1.1.1 生物免疫系統組成
1.1.2 生物免疫系統的幾個概念
1.2 免疫系統的作用及功能
1.2.1 生物免疫防禦機理
1.2.2 免疫系統的功能
1.3 生物免疫多層防禦機制
1.3.1 身體屏障
1.3.2 固有免疫系統和適應性免疫系統
1.3.3 免疫細胞的相互作用及其活化信號
1.3.4 體液免疫
1.4 樹突狀細胞對抗原的處理及提呈
1.4.1 樹突狀細胞
1.4.2 樹突狀細胞的抗原處理與提呈功能
1.4.3 樹突狀細胞與免疫激活和免疫耐受
1.4.4 樹突狀細胞的三種狀態及激活信號
1.5 生物免疫系統的重要機制
1.5.1 免疫系統的信息處理特性
1.5.2 免疫學習和記憶
1.5.3 免疫響應
1.5.4 初次響應和二次響應
1.5.5 自己／非己識別
1.6 否定選擇機制
1.7 克隆選擇原理
1.8 免疫網絡理論
l.9 神經免疫內分泌網絡學說
1.9.1 免疫、神經及內分泌系統問相互作用的物質基礎
1.9.2 神經、免疫、內分泌系統間的關係

第2章 免疫系統動力學模型
2.1 抗原的動力學模型
2.2 抗體的動力學模型
2.3 免疫響應模型
2.4 自體／非自體的區別以及識別概率
2.5 克隆選擇動力學模型
2.6 免疫網絡模型
2.7 狀態空間描述

第3章 人工免疫系統概述
3.1 基於免疫的計算智能
3.2 人工免疫系統的工程應用
3.3 免疫系統的結構
3.4 基於最基本免疫機制的免疫算法

第4章 否定選擇算法
4.1 否定選擇算法
4.1.1 否定選擇算法描述
4.1.2 標準否定選擇算法
4.1.3 否定選擇算法過程
4.1.4 特徵空間中否定選擇算法概念圖示
4.1.5 否定選擇算法的模型描述
4.1.6 檢測器的生成算法
4.2 否定選擇算法應用於網絡入侵檢測
4.3 實值否定選擇算法
4.3.1 實值否定選擇算法的具體描述
4.3.2 檢測器生成階段
4.3.3 檢測過程
4.4 實值否定選擇算法應用
4.4.1 飛機飛行監測實例
4.4.2 實驗及結果

第5章 克隆選擇算法
5.1 克隆選擇算法描述
5.1.1 克隆選擇算法的基本過程
5.1.2 克隆選擇算法偽代碼
5.1.3 特徵空問中克隆選擇算法概念圖示
5.1.4 克隆選擇算法模型描述
5.2 克隆選擇算法應用於優化問題
5.3 動態克隆選擇算法
5.3.1 簡介
5.3.2 動態克隆選擇算法的運行機制
5.3.3 動態克隆選擇算法的流程圖
5.3.4 動態克隆選擇算法的偽代碼
5.4 DynaⅢics在入侵檢測中的應用
5.5 一種改進的快速克隆選擇算法及實驗

第6章 人工免疫網絡模型
6.1 通用免疫網絡模型
6.2 aiNet免疫網絡模型
6.2.1 模型概述
6.2.2 基本原理
6.2.3 aiNet網絡模型算法
6.2.4 aiNet網絡模型分析
6.3 有限資源人工免疫系統模型
6.3.1 網絡定義與描述
6.3.2 ARB對象和激勵值計算
6.3.3 RL&IS算法
6.4 多值免疫網絡模型
6.4.1 模型中的免疫細胞
6.4.2 免疫模型
6.4.3 免疫反饋原理
6.4.4 多值免疫模型基本原理
6.5 動態免疫網絡模型
6.5.1 基本思想
6.5.2 診斷的概念
6.5.3 構成和工作原理
6.6 Multi-Agent人工免疫模型
6.6.1 Muhi-Agent的框架
6.6.2 免疫Agent模型
6.6.3 免疫規則在Multi-Agent模型的應用
6.6.4 基於Multi-Agent的人工免疫模型
6.6.5 基於免疫Agent的動態診斷

第7章 樹突狀細胞算法
7.1 概述
7.2 樹突狀細胞算法
7.2.1 危險理論
7.2 2 DCA算法的基本原理與定義
7.2 3 DCA算法描述及流程
7.2.4 DC特徵提取
7.2.5 DcA偽代碼
7.3 Iibtissue框架
7.4 實驗結果與分析
7.4.1 數據源分析
7.4.2 參數分析與確定
7.4.3 性能分析
7.5 DCA存在的問題

第8章 基於生物網絡的計算框架
8.1 人工子生物系統
8.1.1 人工神經網絡（ANN）
8.1.2 人工免疫系統（AIS）
8.1.3 人工內分泌系統（AES）
8.2生物網絡結構
8.2.1 神經內分泌系統（ANE）
8.2.2 神經免疫系統（ANI）
8.2.3 內分泌免疫系統（AEI）
8.2.4 三大生物網絡集成的系統——生物網絡結構
8.2.5 人工生物網絡的應用t
8.3 基於神經內分泌免疫網絡的計算模型
8.3.1 總體框架設計
8.3.2 生物網絡平臺的設計與實現

第9章 多層免疫模型及其在故障診斷中的應用
9.1 引言
9.2 面向故障診斷的多層免疫模型結構
9.3 故障診斷問題定義
9.4 固有診斷層
9.4.1 自體庫
9.4.2 故障知識庫
9.4.3 自體／非白體識別
9.4.4 固有免疫診斷
9.5 故障傳播診斷層
9.5.1 概述
9.5.2 基於免疫網絡的故障傳播模型
9.5.3 基於故障傳播模型的診斷過程
9.5.4 算法描述
9.5.5 故障傳播模型舉例
9.6 基於體液免疫的雙重學習方法
9.6.1 機器學習概述
9.6.2 基於體液免疫的雙重學習模型
9.6.3 記憶細胞庫生成階段
9.6.4 故障檢測階段
9.6.5 抗原學習過程
9.6.6 檢測效率的比較
9.7 多層免疫診斷模型在電機故障診斷中的應用
9.7.1 異步電動機故障機理分析
9.7.2 信號採集及故障特徵分析
9.7.3 基於多層免疫模型的故障診斷實驗
9.7.4 實驗結果分析

第10章 引黃工程免疫優化調度模型及其應用
1O.1 工程概況
10.1.1 全線自動化系統
10.1.2 工程監控和調度模式
10.1.3 工程的優化調度
10.2 供水水庫的長期優化調度
10.2.1 水庫概況
10.2.2 供水水庫優化調度模型
10.2.3 徑流預測神經網絡
10.2.4 水庫優化調度的免疫規劃算法
10.2.5 典型年的識別方法
10.2.6 仿真計算
10.3 梯級輸水工程段的優化調度
10.3.1 上層輸水子系統的數學模型
10.3.2 下層泵站的數學模型
10.3.3 梯級泵站優化調度的分層克隆選擇算法
10.3.4 算法詳細設計
10 3.5 仿真計算
10.4 梯級引水工程的自主優化調度
10.4.1 長期自主優化調度器
10.4.2 短期自主優化調度器
10.4 3 仿真計算
參考文獻