在探究任何随机变量的样本量下限估计之后,这项工作研究了一种简单而实用的生物免疫优化方法,以解决一种机会受限的编程问题,该方法没有已知的噪声属性。这种方法主要由样本组成分配,评估,扩散和突变。 前两个,取决于获得的下界估计值,不仅决定随机变量的样本大小和每个进化的B细胞的重要性水平,而且还确保以较低的计算成本评估这种B细胞; 第三使多样化的B细胞参与进化并抑制噪声的影响。 最后一个与种群多样性和适应性遗传有关的信息,产生了多样化和高亲和力的B细胞。 在这种方法下,选择了不同的突变规则后,可以得出三种相似的免疫算法。 通过与两种有价值的遗传算法进行比较,实验表明,这些免疫算法是竞争性优化器,能够有效执行噪声补偿并寻找所需的最佳可靠解决方案。