Рассмотрена разработка интеллектуальной системы дифференциальной диагностики аллергодерматозов на основе адаптивной модели нечеткого вывода. Параметры базы данных и базы знаний настраиваются в данной модели по экспериментальным данным с использованием искусственных иммунных систем.

Рассмотрен алгоритм кластеризации данных, работающий по принципам искусственной иммунной системы. Для решения задачи кластеризации предложено использование приоритетного последовательного клонирования с конкурентноцелевым отбором клонов, критериев отбора клеток и определения кластеров. Данные подходы предлагаются впервые для использования в иммунных алгоритмах, работающих на принципах конкурентного отбора клеток. Экспериментальным путем установлено, что использование предложенных подходов значительно ускоряет скорость восстановления выборки исходных антиген и кластеризации.

Рассмотрено решение задачи обучения нейросетевого нечеткого регулятора (ННР) и адаптации его структуры и параметров по экспериментальным данным на основе искусственных иммунных систем. Для решения данной задачи предлагается использовать модель кодирования настраиваемых параметров в виде структурированного мультиантитела, что позволяет адаптировать не только параметры, но и структуру ННР.

Рассмотрен иммунный kNN-метод классификации объектов, работающий по принципам искусственных иммунных систем и алгоритму классификации методом k ближайших соседей. Для решения задачи классификации предложено автоматическое формирование обучающей выборки из объектов с наилучшими значениями аффинностей к исходным классам. Сформированная обучающая выборка восстанавливает исходные классы с помощью иммунных операторов и используется для классификации объектов, не вошедших в выборку.

Предложены модель и структура мультиагентной системы обнаружения и анализа вредоносных программ, основными компонентами которой являются агенты двух видов: агенты-детекторы и агенты-анализаторы. Задача агента-детектора - мониторинг основных уязвимостей операционной системы и сбор данных, задача агента-анализатора - исследовать процессы и принятие решения, какие из них являются потенциальными вирусами и к какому классу вредоносных программ относятся. Проведены экспериментальные исследования, показывающие эффективность предложенного подхода.