Solving constrained optimization using a T-Cell artificial immune system

In this paper, we present a novel model of an artificial immune system (AIS), based on the process that suffers the T-Cell. The proposed model is used for solving constrained (numerical) optimization problems. The model operates on three populations: Virgins, Effectors and Memory. Each of them has a different role. Also, the model dynamically adapts the tolerance factor in order to improve the exploration capabilities of the algorithm. We also develop a new mutation operator which incorporates knowledge of the problem. We validate our proposed approach with a set of test functions taken from the specialized literature and we compare our results with respect to Stochastic Ranking (which is an approach representative of the state-of-the-art in the area) and with respect to an AIS previously proposed. En este trabajo, se presenta un nuevo modelo de Sistema Inmune Artificial (SIA), basado en el proceso que sufren las células T. El modelo propuesto se usa para resolver problemas de optimización (numéricos) restringidos. El modelo trabaja sobre tres poblaciones: Vírgenes, Efectoras y de Memoria. Cada una de ellas tiene un rol diferente. Además, el modelo adapta dinamicamente el factor de tolerancia para mejorar las capacidades de exploración del algoritmo. Se desarrolló un nuevo operador de mutación el cual incorpora conocimiento del problema. El modelo fue validado con un conjunto de funciones de prueba tomado de la literatura especializada y se compararon los resultados con respecto a Stochastic Ranking (el cual es un enfoque representativo del estado del arte en el área) y con respecto a un SIA propuesto previamente. VIII Workshop de Agentes y Sistemas Inteligentes