生物免疫系统是一个具有高度智能的自适应和自组织的系统,其中蕴含着丰富的信息处理机理。免疫算法是模拟生物免疫系统的工程应用算法。作为一种新兴的仿生算法,免疫算法具备许多特有的优点,因此在信息科学领域越来越显现出其强大的生命力,已成为一个热点的研究课题。本文针对原有免疫算法存在的问题,提出了一种基于免疫阴性选择机制的可变模糊匹配阴性选择算法,并对该算法的理论及相关内容进行深入分析,结合仿真数据及应用情况,对该算法进行了完善与改进设计。本文的主要研究内容可归纳如下:1、基于生物免疫系统阴性选择机理,提出了一种可变模糊匹配阴性选择免疫算法。算法通过不断地检测改变匹配的阈值,大大减少传统阴性选择算法不可避免的“黑洞”数量。同时,考虑到抗体与抗原匹配时的模糊性和不确定性,提出了连续相似度与背离度的概念,在满足一定连续相似度的前提下,实现相似度可控的模糊匹配,从而提高系统的检索率和性能。2、在可变模糊匹配阴性选择算法的基础上,提出了一种有效检测器集的生成算法。该算法具有有效检测器集,消除了原检测器集中存在的冗余现象,提高了检测器集的检测效率。同时,分析了检测器全集的建立方法,利用模式集合及右完全模式的概念建立了检测器全集;给出了检测器个数的自适应计算公式;从理论上对最小检测器集进行了概率分析,对系统相关参数的确定进行了讨论。3、利用模式的思想,提出一种检测某一Nonself字符串是否为“黑洞”的免疫算法。该算法采用“状态树”存储搜索过程中可能出现的各种状态,并用试探和回溯的搜索方法进行检测与判断。文中,对具有有效检测器集的免疫阴性选择算法中产生的黑洞数量进行了仿真研究。4、基于生物免疫系统的免疫疫苗理论,提出一种可变模糊匹配阴性选择算法的改进设计方案,在算法中加入了疫苗算子和正选择算子,使可变模糊匹配阴性选择算法具有“适应性免疫反应”功能,对于同样抗原再次入侵时,其反应时间明显缩短。改进后的算法能够动态更新疫苗库,对建立二次应答具有自适应性。