人工免疫算法是一种没有全局控制器，时间、空间上具有并行性的网络系统。近几十年来，许多国外的学者对其展开了研究和探索。Famer等[9]提出的独特型网络系统，是最早免疫系统之一，该理论指出，生物免疫系统可以看作是一个没有全局监督的漫衍式系统。当系统受到外界入侵时，系统的均衡性就会被打破，系统的内免疫因子之间相互作用，调整免疫浓度帮助系统重新达到新的平衡，这个过程较为复杂。免疫系统对解决许多复杂问题都有很好的应用。本文是在独特型免疫网络实现机器人的探索问题的基础上进行研究的。87274
还有较为大家熟知的互联耦合免疫网络，互联耦合免疫网是在细胞选择学说的基础上提出的，由于抗体之间大规模的联系尚未被验证，所以学者发现免疫系统利用局部的连接维持系统的稳定性，即利用抗体之间数个链条维持生物系统的稳定。Tang[11-12]基于Jerene[8]的免疫网络理论提出了多值免疫网络。多值免疫网络模型运用多值特征分类数据。考虑了免疫系统中T细胞和B细胞之间的作用。当然，人工免疫模型还远远不止上述那么一点，典型的还有PDP网络、动态识免疫网络、aiNet[13]网络、Mitsumoto[14]提出的免疫反应网络和对称网络等很多学者也对其做出很多研究。论文网
近几年国内学者对多机器人环境探测也做出了很多研究。王立等[2]提出了单步探测任务分配规划地图，同时也研究了多步探测任务分配和多机器人协作探测任务分配的问题，由于对未知环境的信息缺乏先验知识，提出了局域信息模糊决策的单步探测任务分配，利用环境地图构建中栅格图的概率信息，提出基于分布估算法的路径规划和多步探测的任务分配问题。李杰等[3]借鉴力学原理,通过构建地图获取地图信息和机器人位置, 改进了虚拟力场法，防止机器人陷入被锁，探测耗时也较少，其中一个机器人出现故障，其他机器人依然继续工作。但这种情况下环境信息累积误差大、存储信息不能及时更新。刘年庆等[5]提出了一种应用超声波传递信息的方法建模。在识别墙角、拐弯、空缺等环境特征中更加有优势，建立的环境也更真实。周光明等[4]在刘庆年等[5]的基础上提出了主动探测策略用于地图构建,解决了超声波传感器容易发生镜面反射分辨率低等缺点,并且给出机器人地图构建的完整过程。除了基于超声波信息建模的方法外，生物学行为控制机制的思想在未知环境探测规划中也经常被采用。高元园等[1]在生物学行为控制机制的基础上提出了将免疫网络与机器人环境探索相结合，通过抗体之间的相互作用解决了机器人之间没有协作的问题，但在机器人的局部观测定位方面考虑不足，容易造成机器人的重复探测。吴皓等[6]基于高元园[1]免疫系统突出了T细胞函数调整免疫网络浓度模型，充分地发挥机器人之间的合作能力，但是不能更新全局地图。陈宗海等[7]在研究多机器人未知环境探测方向中，提出了一种多机器人框架，做出衡量多机器人合作能力的时间效率曲线。但是该算法始终保持机器人行进的总距离里基本不变，对于单个机器人发挥主动性有一定的局限性。为了减少探测成本，解决机器人被困问题。本文在高元园等[1]的基础上提出了基于淋巴细胞的免疫机理和逼近法，改进了免疫网络，仿真实验证明了该方法可以高效、可靠的实现多机器人未知环境的探测。 人工免疫算法国内外研究现状:http://www.youerw.com/yanjiu/lunwen_131030.html