韩旭明编著的《人工免疫算法改进及其应用》在计算智能的基础上，针对人工神经网络、进化计算和人工免疫系统进行了理论研究和应用研究，重点研究人工免疫系统的免疫克隆选择算法及其理论改进和应用研究，本书适合从事计算机及其相关学科的师生，以及相关科研院所的科研人员阅读。

人工免疫系统是模仿自然免疫系统功能的一种智能方法，是继人工神经网络、进化计算之后新的智能计算研究方向，是生命科学和计算机科学相交叉而形成的交叉学科研究热点。韩旭明编著的《人工免疫算法改进及其应用》是作者几年来科研成果的总结。全书共分9章，主要内容是在计算智能的基础上，针对人工神经网络、进化计算和人工免疫系统进行了理论研究和应用研究，重点研究人工免疫系统的免疫克隆选择算法及其理论改进和应用研究，并将提出和改进的算法应用到大气环境质量评价和大气环境质量预测两个领域，取得了令人满意的结果。

《人工免疫算法改进及其应用》内容充实，结构清晰，实例丰富，适合从事计算机及其相关学科的师生，以及相关科研院所的科研人员阅读。

第1章 绪论 1

 1.1 背景与意义 1

 1.2 大气质量评价与预测 2

 1.2.1 大气与大气污染 2

 1.2.2 大气污染及危害 3

 1.2.3 国内外大气质量研究现状 4

 1.3 本书主要研究内容 6

 1.4 本书结构安排 7

 参考文献 8

第2章 计算智能概述 11

 2.1 人工神经网络简介 12

 2.1.1 神经网络的发展 13

 2.1.2 神经元及变换函数 15

 2.1.3 神经网络拓扑结构 16

 2.1.4 神经网络分类 17

 2.1.5 神经网络工作方式 18

 2.1.6 神经网络学习方法 18

 2.2 进化计算 20

 2.2.1 进化计算生物学基础 20

 .2.2.2 进化计算发展 21

 2.2.3 进化计算主要分支 23

 2.2.4 进化计算的主要特征 25

 2.3 人工免疫系统 26

 2.3.1 人工免疫系统的发展 27

 2.3.2 免疫系统的生物学机理 29

 2.3.3 人工免疫系统模型 33

 2.3.4 人工免疫系统应用 33

 2.3.5 免疫系统特性 37

 2.3.6 人工免疫算法 38

 2.4 本章小结 43

 参考文献 43

第3章 人工免疫克隆选择算法 48

 3.1 免疫克隆选择算法研究现状 50

 3.2 传统免疫克隆选择算法 52

 3.2.1 传统免疫克隆选择算法 52

 3.2.2 传统免疫克隆选择算法的不足 53

 3.3 引入疫苗接种策略的免疫克隆选择算法 54

 3.3.1 抗体克隆的规模和疫苗的提取 54

 3.3.2 疫苗的选择 55

 3.3.3 疫苗的接种 56

 3.3.4 算法描述 57

 3.4 引入局部高斯变异算子的免疫克隆选择算法 59

 3.4.1 局部高斯变异算子的构造 59

 3.4.2 算法描述 60

 3.5 引入疫苗接种策略和高斯变异算子的免疫克隆选择算法 60

 3.5.1 问题的提出 60

 3.5.2 算法描述 62

 3.6 本章小结 63

 参考文献 64

第4章 基于改进免疫克隆选择算法优化的大气质量评价模型及其应用 66

 4.1 大气污染损害率普适公式 66

 4.2 改进免疫克隆选择算法优化参数 67

 4.2.1 构造目标函数 67

 4.2.2 传统免疫克隆选择算法优化参数 68

 4.2.3 引入疫苗接种策略的免疫克隆选择算法优化参数 70

 4.2.4 引入局部高斯变异算子的免疫克隆选择算法优化参数 71

 4.2.5 引入疫苗接种策略和高斯变异算子的免疫克隆选择算法优化参数 74

 4.3 四种算法的比较与性能分析 75

 4.3.1 算法比较的约束条件 75

 4.3.2 四种算法比较与性能分析 75

 4.4 基于改进免疫克隆选择算法的大气质量综合污染评价模型 79

 4.5 五个级别大气污染损害率取值范围的确定 80

 4.6 某城市大气质量评价结果及分析 80

 4.7 十个监测点大气质量评价结果及与其他评价方法的比较和分析 84

 4.8 本章小结 86

 参考文献 86

第5章 基于免疫克隆选择算法优化的动态递归神经网络 89

 5.1 elman神经网络 89

 5.1.1 elman神经网络数学模型 89

 5.1.2 elman神经网络学习算法 90

 5.1.3 elman神经网络学习算法的缺陷 91

 5.2 基于改进免疫克隆选择算法优化的动态递归神经网络 92

 5.2.1 多参分析 92

 5.2.2 动态阈值 93

 5.2.3 算法描述 94

 5.3 本章小结 95

 参考文献 95

第6章 引入趋势信息的双反馈elman神经网络 96

 6.1 趋势信息 96

 6.2 双反馈elman神经网络 96

 6.3 引入趋势信息的双反馈elman神经网络 98

 6.4 本章小结 100

 参考文献 100

第7章 若干算法在大气质量预测中的应用 101

 7.1 性能评价指标 101

 7.2 基本elman神经网络在大气质量拟合中的应用 101

 7.2.1 基本elman神经网络拟合实验 102

 7.2.2 仿真实验 102

 7.3 引入趋势信息elman神经网络在大气质量拟合中的应用 102

 7.3.1 引入趋势信息elman神经网络拟合实验 103

 7.3.2 仿真实验 103

 7.4 基于免疫克隆选择算法优化的elman神经网络在大气质量拟合中的应用 104

 7.4.1 基于免疫克隆选择算法优化的elman神经网络拟合实验 104

 7.4.2 仿真实验 105

 7.5 几种算法在大气质量拟合应用中的比较 106

 7.6 几种算法在大气质量预测中的应用 108

 7.6.1 基本elman神经网络预测大气质量 109

 7.6.2 引入趋势信息的双反馈elman神经网络预测大气质量 109

 7.6.3 基于免疫克隆选择算法优化elman神经网络预测大气质量 109

 7.6.4 仿真实验与结果分析 110

 7.7 本章小结 112

 参考文献 112

第8章 基于粒子群算法优化的大气质量评价模型及其应用 114

 8.1 我国最常使用的api大气质量评价法 115

 8.2 粒子群优化算法概述 116

 8.2.1 粒子群优化算法原理 117

 8.2.2 粒子群优化算法流程 117

 8.3 基于粒子群优化算法大气质量指数评价模型 117

 8.3.1 大气质量综合污染损害指数评价模型 118

 8.4 仿真模拟与分析 119

 8.5 本章小结 121

 参考文献 122

第9章 结论与展望 124

 9.1 结论 124

 9.2 展望 125