人工免疫系统算法教学演示系统

资 源 简 介

本系统是一个基于MATLAB开发的综合性教学演示平台，旨在通过可视化手段展示人工免疫系统（AIS）的核心机制与算法流程。系统的主要功能模块包括克隆选择算法（CSA）的交互式演示，通过图形化界面实时展示抗体种群在目标函数空间中的演化过程，包括亲和力评价、克隆扩增、高频变异、选择及受体编辑等关键步骤的应用。系统还集成了否定选择算法（NSA）的模拟模块，用于解释生物免疫系统识别“自我”与“非我”的原理，并将其应用于异常检测和入侵检测的场景展示。此外，本项目涵盖了人工免疫网络（aiNet）的动态仿真，展示通过抗体

详 情 说 明

项目介绍

人工免疫系统算法教学演示系统是一个基于 MATLAB 开发的综合性教育与实验平台。该系统通过高度可视化的交互界面，深入浅出地展示了受生物免疫理论启发而产生的三类核心算法：克隆选择算法（CSA）、否定选择算法（NSA）以及人工免疫网络（aiNet）。系统不仅提供了算法演化的实时动画，还集成了参数调节、性能监控和统计分析功能，旨在帮助学生、教师及算法研究者更直观地理解人工免疫系统在函数优化、模式识别、异常检测及数据压缩等领域的应用原理。

功能特性

1. 算法多模块集成：系统集成了三大主流人工免疫算法，涵盖了自适应学习、自我/非我识别以及网络拓扑演化的核心机制。
2. 实时交互式演示：用户可动态调整种群规模、迭代次数及变异/抑制阈值。系统在算法运行过程中实时更新图形界面，展示种群的分布变化与能量（适应度）演化。
3. 四象限可视化布局：界面采用科学的四面板布局，分别展示演变分布图、收敛/性能曲线、检测/压缩效果图以及最终的统计报表。
4. 教学辅助设计：系统内置了典型测试案例（如多峰 Peaks 函数、多簇自我数据集、双环拓扑数据），并附带详细的运行提示与结果反馈。

使用方法

1. 启动系统：在 MATLAB 环境下运行脚本。
2. 参数设置：通过左侧控制面板输入所需参数。

- 种群大小 / 检测器数：设置抗体种群的规模或检测系统的覆盖能力。 - 迭代次数：定义算法循环演进的最大代数。 - 变异率 / 抑制阈值：设置克隆变异的步长或免疫网络中抗体间的亲和力抑制界限。

1. 执行算法：点击对应的算法按钮（如克隆选择算法）。
2. 观察与分析：查看右侧四个绘图区的动态更新，包括抗体向全局最优解聚集的过程、检测器避开“自我区”的情况或免疫网络对数据的压缩结果。
3. 复位与重新实验：点击“参数复位”可恢复默认设置，便于进行不同参数下的对比实验。

实现逻辑说明

系统的主程序架构采用了功能模块化设计，核心逻辑通过主图形控制器与三个独立的算法执行函数实现：

1. 主图形设计逻辑

系统通过 figure 容器构建窗口，利用 uicontrol 数组创建交互组件。通过 Tag 属性管理四个 axes 绘图区域，实现不同算法输出结果的定向投放和刷新。

1. 克隆选择算法 (CSA) 实现逻辑

该模块以 Peaks 函数作为适应度地形。其逻辑循环包括：

• 亲和力评价：计算当前抗体群体在函数空间中的高度。
• 比例克隆：基于亲和力高低分配克隆数量，亲和力越高，产生的克隆越多。
• 高频变异：实施与亲和力成反比的变异策略，靠近峰值的抗体变异步长更小，以实现局部精细搜索。
• 受体编辑：每代强制随机替换最后 5% 的低亲和力抗体，以维持种群多样性并预防陷于局部最优。

1. 否定选择算法 (NSA) 实现逻辑

该模块模拟免疫耐受过程。其逻辑分为两个阶段：

• 检测器生成：在 2D 空间内生成随机候选抗体，计算其与预设“自我”数据集的欧式距离。若距离小于阈值则舍弃，最终保留覆盖“非我”空间的成熟检测器。
• 异常检测：使用生成的检测器扫描测试样点，若样点落入任一检测器的覆盖半径内，则将其判定为异常。

1. 人工免疫网络 (aiNet) 实现逻辑

该模块侧重于数据的流形学习与压缩。其逻辑包括：

• 刺激与克隆：抗原（原始数据点）刺激记忆细胞，通过克隆和微调变异产生新的抗体。
• 网络抑制：计算抗体间的相互距离，移除距离小于抑制阈值的冗余个体，从而在保留数据拓扑结构的同时大幅降低数据量。
• 规模控制：通过随机剪枝维持网络规模的稳定性。

算法关键点分析

1. 仿生机制的参数映射

代码将生物学术语精确映射为数学变量。例如，CSA 中的“克隆乘法因子”决定了搜索的强度，NSA 中的“匹配半径”决定了检测的灵敏度与误报率的平衡，aiNet 中的“抑制阈值”则直接定义了数据压缩的精度。

1. 动态可视化技术

系统利用 drawnow 指令实现了算法演化的“步进式”展示。在 CSA 演练中，可以清晰观察到红色抗体簇如何从随机分布逐渐向函数最高峰收敛的过程。

1. 性能量化与统计

每个算法模块结束后，系统会自动调用统计函数。CSA 会输出最优解坐标与最大适应度；NSA 会报告异常捕获率与检测器效率；aiNet 则会计算原始数据与压缩后的比例，直观展示算法性能。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 硬件要求：建议屏幕分辨率不低于 1280x800，以确保图形界面完整显示。
• 依赖工具箱：基础 MATLAB 即可运行，无需额外工具箱。