免疫遗传算法 (IGA)

免疫遗传算法（Immune Genetic Algorithm, IGA）是计算智能领域内将生物免疫系统的核心机制——如抗原识别、抗体克隆选择、记忆细胞形成及浓度调节——深度嵌入遗传算法框架的混合进化策略。它并非简单的算法叠加，而是利用信息熵量化种群多样性，通过动态调整选择压力与变异强度，模拟免疫网络对‘异物’（劣质解）的清除与对‘优质解’的强化过程。该算法起源于1970年代免疫网络理论，并在人工免疫系统（AIS）概念确立后，通过引入疫苗注入、亲和力计算等关键模块，显著提升了遗传算法在复杂非线性优化问题中的鲁棒性与收敛精度，成为解决高维、多峰、动态变化优化问题的有效工具。

在现代计算架构与智能优化生态中，免疫遗传算法扮演着‘自适应全局寻优器’的关键角色。它填补了传统遗传算法在复杂地形（Complex Landscape）中易陷入局部最优的短板，特别适用于电力系统无功优化、柔性作业车间调度、旅行商问题（TSP）等对解质量要求极高且约束条件复杂的场景。其核心价值在于通过模拟生物体的‘记忆’与‘调节’功能，实现了搜索策略的动态平衡：既能在初期保持广泛的探索能力以覆盖全局，又能在后期通过高亲和度抗体的定向进化实现精准收敛。尽管其计算开销相对较大，但在解决传统方法失效的‘难解’优化问题时，展现出不可替代的工程价值。