1. 研究目的与意义及国内外研究现状

免疫算法是模仿免疫系统抗体和抗原的识别、结合，以及抗体产生过程而抽象出来的算法，基于这种免疫系统中最基本的免疫机制的算法目前应用较多。于是，可将免疫算法引入到测量数据处理领域，利用它来进行参数最小二乘估计，无需对非线性数学模型进行线性化，避免了传统参数估计方法线性近似带来的模型误差，也可以解决病态方程带来的法方程解的不稳定等问题。另外，免疫算法是一种确定性和随机性选择相结合的随机启发式搜索算法，它能有效地克服其他智能算法易早熟、收敛缓慢、群体多样性不足及搜索速度慢等问题。

免疫算法是一个新兴的研究领域，其理论很深，研究范围很广。免疫算法是基于生物免疫系统在保留遗传算法优良特性的前提下，力图有选择、有目的地利用待求问题中的特征信息或知识来抑制其优化过程中出现的退化现象。目前和非线性最优化问题：对具有多个局部极值的非线性优化问题，普通的优化方法一般很难找到全局最优解，而基于免疫系统多样性机理的优化算法可避免未成熟早收敛和改善遗传算法的性能。

国内外研究现状

免疫算法和免疫系统的理论与应用的研究历史较短。自1998年wcci第一次在美国召开人工免疫系统专题会议之后，研究者对免疫系统的兴趣不断增加。2002年6月，ieee trans-action on evolutionary computation首次出专刊报道了有关人工免疫系统(artificial immunesys-tem ais)的研究进展。

第四届icais于2005年8月在加拿大召开。目前典型的工作：s forrest模拟生物免疫系统的识别机制提出了否定选择算法用于异常检测，并提出了计算机免疫的概念； watanbe利用免疫网络提出了机器人的仲裁机制；fukuda借鉴免疫学中较好的多样性来克服遗传算法局部极优的缺点，并提出了免疫遗传算法的概念。目前免疫算法已成为国际智能计算领域关注的热点和前沿课题。

对于免疫系统的研究，国内相对国外较迟，但发展很快，且国内的研究成果已经在国际上占有一席之地。

2. 研究的基本内容

免疫算法是一种直接考虑环境和主体之间相互作用的算法，它强调的是如何保持解群的多样性以及基于亲和力、浓度、繁殖概率的选择机制。免疫算法独有的信息处理机制可以用于系统的优化搜索，改善遗传算法易早熟、收敛缓慢的问题，因而是一个非常重要且非常有意义的研究方向。

本文将免疫算法引入测绘中的测量数据处理领域,利用它来进行参数最小二乘估计，来避免传统参数估计方法线性近似带来的模型误差以及像遗传算法早熟等缺点，以达到丰富非线性参数估计的理论与方法、提高测量精度的目的，更好的服务于测绘实践工作。

本文在通过对免疫系统清除抗原原理的探究，并根据免疫算法编写了matlab代码，带入实例解决非线性模型的参数估计，说明了在测量数据处理中应用的可行性，并与其他智能算法进行对比，证明了确有其优势。

3. 实施方案、进度安排及预期效果

2016届本科毕业论文时间安排
周次	计划内容
01	确定毕业论文题目及研究方向。
02	安装并熟悉MATLAB软件的相关操作。
03	查阅相关文献。
04	完成开题报告。
05	熟悉并掌握数据处理方面的原理方法。
06
07
08	拟写毕业论文提纲。
09	按照提纲内容，开始着手写毕业论文的摘要、关键词、绪论等。
10	编写毕业论文的本论部分。
11	编写毕业论文结论、参考文献、目录等。
20121350045韩宁月

4. 参考文献

[1]焦李成, 杜海峰. 人工免疫系统进展与展望[j]. 电子学报. 2003(10): 1540-1548.

[2] burnet f.m. the clonal selection theory of acquired immunity. cambridgeuniversitypress,1959.

[3] jerne n k towards a network theory ofthe immune system.annual immunology. 1974.373-389 .

[4] verla f j,stewart j. dynamics of a class of immune network. global stability of idiotype interactions. j.theoretical biology. 1990(144): 93~101.