1.3 本书主要研究内容

本书在智能计算的基础上，针对人工神经网络、进化计算和人工免疫系统进行了研究，重点是在人工免疫系统的基础上，对免疫克隆选择算法及其基于此算法优化的神经网络等进行了理论研究和应用研究，并将提出和改进后的算法应用到大气质量评价和大气质量预测领域，其主要研究内容如下：

（1）提出了引入疫苗接种策略的免疫克隆选择算法，即ICSA-VS算法（Immune Clonal Selection Algorithm Introduced into Vaccination Strategy）。在疫苗提取，疫苗选取，疫苗接种过程中引入了轮盘赌选择算法，并构造了二进制位基因位选取和接种策略等方法。该方法既可保证抗体及基因在变异、交叉和接种过程中的随机性，同时又提高了优良抗体和疫苗的接种概率，使优良基因能够在子代抗体中得以继承和延续。本书提出的ICSA-VS算法具有随机性、自适应性、多样性等优点，实现了免疫的自我调节功能。

（2）提出了引入局部高斯变异算子的免疫克隆选择算法，即ICSA-LGMO算法（Immune Clonal Selection Algorithm Introduced into Local Gaussian Mutation Operator）。通过构造并引入局部高斯变异算子指导抗体基因变异。利用高斯变异的小步长不断地自适应调整与变换，实现抗体基因在局部区间上的扰动，搜索原抗体附近比原抗体更好满足问题的新抗体和基因。本书提出的ICSA-LGMO算法提高了问题求解的精度，克服了传统免疫克隆选择算法局部搜索能力不佳的缺陷。

（3）提出了引入疫苗接种策略和高斯变异算子的免疫克隆选择算法，即ICSA-VSLGMO算法（Immune Clonal Selection Algorithm Introduced into Vaccination Strategy and Local Gaussian Mutation Operator）。ICSA-VSLGMO算法在充分发挥ICSA-VS算法和ICSA-LGMO算法各自优点的同时，互相补充，相互促进与提高，局部搜索能力更为细腻，求解的精度显著提高。

（4）将ICSA-VSLGMO算法应用于大气质量评价领域。根据满足问题的目标函数对S型生长曲线指数（大气污染损害率）公式中的参数进行优化，提出了一种基于免疫克隆选择算法的大气质量评价模型和对于多种大气污染物均适用的具有普适性的大气质量评价方法，并应用提出的模型和评价方法对吉林省某城市的大气质量进行评价，并进行了比较研究。结合国家《环境空气质量标准（GB3095—1996）》确定五个级别相对应的大气污染损害率的目标值，实验结果验证了本书提出的大气质量评价模型和评价方法用于大气质量评价领域是科学、可行的，所得评价结果与RPL法、倍斜率聚类（TSC）法、模糊综合（F）法基本吻合，与目前正在使用的API法得到的评价结果基本一致，具有较好的实用性和应用前景。

（5）提出了一种适合优化多参问题的动态阈值方法。该方法结合抗体间的相似度确定初始阈值，通过构造阈值递减函数约束动态阈值的衰减幅度，避免产生相似的抗体，有效克服了免疫克隆选择算法优化多参问题时产生的近亲繁殖和早熟问题。

（6）提出了一种基于改进免疫克隆选择算法（引入动态阈值策略的ICSA-VSLGMO算法）优化动态递归神经网络的新方法。对递归神经网络的具体结构，连接权值，联系单元的初始值等进行自动进化训练学习，实现了动态递归神经网络模型的自动构造与设计。该方法为免疫克隆选择算法优化动态递归神经网络提供一种新的有效解决方案。

（7）通过在双反馈Elman神经网络的目标函数中引入趋势信息，对双反馈Elman神经网络的学习算法进行探讨，提出了引入趋势信息的双反馈Elman神经网络。

（8）将提出的基于改进的免疫克隆选择算法（引入动态阈值策略的ICSA-VSLGMO）优化的Elman神经网络，引入趋势信息的双反馈Elman神经网络应用于大气质量预测领域，在污染物的拟合和预测实验中都取得较好的实验结果。

（9）采用一种基于群体的随机全局优化工具即粒子群优化算法对计算大气污染损害率的普适公式中的参数进行优化，得到了对于多种污染物均适用的具有普适性大气质量综合污染指数评价模型和评价方法，该模型具有公式形式简单，计算简便等优点。此评价方法是将大气环境质量的好坏与其所受的损害程度直接相联系，使基于粒子群优化算法的大气质量综合评价法具有更明确的物理意义，原理更加直观。