刘恩海，宋瑞平，樊世燕

（河北工业大学 计算机科学与软件学院，天津300401）

0 引 言

主要的人工免疫算法有否定选择算法、克隆选择算法以及免疫网络模型［1］。否定选择算法是Forrest博士在1994年依据生物体中T细胞成熟过程的机制提出的一种免疫算法。算法首先定义一部分自体集合，然后随机产生部分候选检测器集合，在特定的匹配规则下，如果候选检测器集合和自体匹配，则将这些检测器丢弃，只有那些与所有自体都不匹配的检测器集合才能被留下来，作为检测器用以检测异常。由于候选检测产生的随机性，使得否定选择算法的时间消耗与自体集合呈指数关系，当自体集合很大时，该算法会造成时间和空间的巨大浪费，检测效率不高。否定选择算法的主要技术要点包括［2］：问题空间和检测器的表示形式、匹配规则的选择、检测器的生成机制和检测器存储形式。如何快速有效生成检测器是否定选择算法的关键。自否定选择算法提出以来，大量的研究和改进算法被相继提出来。D’haeseleer提出了线性时间检测器生成算法和贪心检测器生成算法，使检测器产生的时间大小与自体集合呈线性关系，尽管贪心算法使检测器的覆盖空间变大，但是这2种算法都不可避免的会产生冗余和漏洞现象。张衡，吴礼发等提出了一种r可变阴性选择算法，通过调整匹配阈值大幅度降低黑洞数量。何申等提出了一种检测器长度可变的否定选择算法，通过检测器长度的变化来提高检测器的覆盖范围。……