I. Введение
Искусственная иммунная система (ИИС) – модель, позволяющая решать различные задачи распознавания, ее концепция была заимствована из биологии. Как и естественная иммунная система в организме, ИИС способна распознавать широкий класс входных данных. В данной задаче используется ИИС для решения задачи символьной регрессии. Ее элементарными элементами являются лимфоциты, представляющие собой различные функции в виде деревьев выражений. К лимфоцитам в течение всего функционирования искусственной иммунной системы применяются различные операции мутации, но при этом поддерживается постоянный размер сети, что достигается удалением плохо приспособленных лимфоцитов, целевая функция (функция приспособленности) называется аффинностью.
Аффинностью будем пользоваться для оценки операций. Распределенность достигается существованием различных искусственных иммунных систем на различных вычислительных узлах, которые обмениваются накопленной информацией.
Одноранговая, децентрализованная или пиринговая сеть – это компьютерная сеть, основанная на равноправии участников. В такой сети отсутствуют выделенные серверы, а каждый узел (peer) является как клиентом, так и сервером. В отличие от архитектуры клиент-сервер, такая организация позволяет сохранять работоспособность сети при любом количестве и любом сочетании доступных узлов.
Искусственные иммунные системы – наиболее молодая отрасль искусственного интеллекта [2, 9]. Они применяются для решения различных задач [3, 11], среди которых разнообразные задачи оптимизации [4], распознавания [6], управление автономными роботами [7]. В данной статье искусственная иммунная система применяется для решения задачи символьной регрессии [8], к которой сводится задача идентификации в экологии. Эта задача состоит в восстановлении функций мощности источников загрязнения по показаниям датчиков [1]. Для ускорения решения используется распределенная версия искусственной иммунной системы.
