Clinical diagnosis of chronic disease is a vital and challenging research problem which requires intensive clinical practice guidelines in order to ensure consistent and efficient patient care. Conventional medical diagnosis systems inculcate certain limitations, like complex diagnosis processes, lack of expertise, lack of well described procedures for conducting diagnoses, low computing skills, and so on. Automated clinical decision support system (CDSS) can help physicians and radiologists to overcome these challenges by combining the competency of radiologists and physicians with the capabilities of computers. CDSS depend on many techniques from the fields of image acquisition, image processing, pattern recognition, machine learning as well as optimization for medical data analysis to produce efficient diagnoses. In this dissertation, we discuss the current challenges in designing an efficient CDSS as well as a number of the latest techniques (while identifying best practices for each stage of the framework) to meet these challenges by finding informative patterns in the medical dataset, analysing them and building a descriptive model of the object of interest and thus aiding in medical diagnosis. To meet these challenges, we propose an extension of conventional clinical decision support system framework, by incorporating artificial immune network (AIN) based hyper-parameter optimization as integral part of it. We applied the conventional as well as optimized CDSS on four case studies (most of them comprise medical images) for efficient medical diagnosis and compared the results. The first key contribution is the novel application of a local energy-based shape histogram (LESH) as the feature set for the recognition of abnormalities in mammograms. We investigated the implication of this technique for the mammogram datasets of the Mammographic Image Analysis Society and INbreast. In the evaluation, regions of interest were extracted from the mammograms, their LESH features were calculated, and they were fed to support vector machine (SVM) and echo state network (ESN) classifiers. In addition, the impact of selecting a subset of LESH features based on the classification performance was also observed and benchmarked against a state-of-the-art wavelet based feature extraction method. The second key contribution is to apply the LESH technique to detect lung cancer. The JSRT Digital Image Database of chest radiographs was selected for research experimentation. Prior to LESH feature extraction, we enhanced the radiograph images using a contrast limited adaptive histogram equalization (CLAHE) approach. Selected state-of-the-art cognitive machine learning classifiers, namely the extreme learning machine (ELM), SVM and ESN, were then applied using the LESH extracted features to enable the efficient diagnosis of a correct medical state (the existence of benign or malignant cancer) in the x-ray images. Comparative simulation results, evaluated using the classification accuracy performance measure, were further benchmarked against state-of-the-art wavelet based features, and authenticated the distinct capability of our proposed framework for enhancing the diagnosis outcome. As the third contribution, this thesis presents a novel technique for detecting breast cancer in volumetric medical images based on a three-dimensional (3D) LESH model. It is a hybrid approach, and combines the 3D LESH feature extraction technique with machine learning classifiers to detect breast cancer from MRI images. The proposed system applies CLAHE to the MRI images before extracting the 3D LESH features. Furthermore, a selected subset of features is fed to a machine learning classifier, namely the SVM, ELM or ESN, to detect abnormalities and to distinguish between different stages of abnormality. The results indicate the high performance of the proposed system. When compared with the wavelet-based feature extraction technique, statistical analysis testifies to the significance of our proposed algorithm. The fourth contribution is a novel application of the (AIN) for optimizing machine learning classification algorithms as part of CDSS. We employed our proposed technique in conjunction with selected machine learning classifiers, namely the ELM, SVM and ESN, and validated it using the benchmark medical datasets of PIMA India diabetes and BUPA liver disorders, two-dimensional (2D) medical images, namely MIAS and INbreast and JSRT chest radiographs, as well as on the three-dimensional TCGA-BRCA breast MRI dataset. The results were investigated using the classification accuracy measure and the learning time. We also compared our methodology with the benchmarked multi-objective genetic algorithm (ES)-based optimization technique. The results authenticate the potential of the AIN optimised CDSS.

Made available in DSpace on 2016-03-15T19:37:52Z (GMT). No. of bitstreams: 1 Danilo Souza da Cunha.pdf: 1082171 bytes, checksum: 4d2c64017c5641baf212b0fe377da373 (MD5) Previous issue date: 2013-10-23 / Fundo Mackenzie de Pesquisa / E-commerce has been growing rapidly over the past years. Various products, services, and information are constantly offered to millions of internet users. Defining an adequate strategy to offer a product to a customer is the main goal of a recommender system. To do so, the items to be offered have to take into account the interests of each customer. This association of items is a data mining task, more specifically a task called association rule mining. This dissertation investigated the use of bioinspired algorithms, particularly evolutionary and im-mune algorithms, to build associations among items of a database. Three sets of experiments were performed: an investigation into the influence of different selection and crossover mech-anisms in an evolutionary algorithm for association rule mining; the use of a probabilistic selection in the immune algorithm; and a comparison of the bioinspired algorithms with the standard deterministic algorithm called Apriori. The data bases for comparison were taken from real e-commerce applications. The results allowed the identification of a suitable combi-nation of the selection and crossover mechanisms for the evolutionary algorithm, and to iden-tify the strengths and weaknesses of all approaches when applied to real-world recommender systems. / O comércio eletrônico vem crescendo rapidamente ao longo dos últimos anos. Produtos, serviços e informações dos mais variados tipos são oferecidos todos os dias para milhares de usuários na Internet. Definir uma estratégia adequada para oferecer um produto a clientes é o objetivo dos sistemas de recomendação. Para isso leva em conta itens que podem ser ofertados considerando o interesse de cada cliente. Essa associação entre itens é uma tarefa que recai sobre a competência da mineração de dados, mais especificamente a área chamada de mineração de regras de associação. Esta dissertação investigou o uso de algoritmos bioinspirados, mais especificamente algoritmos evolutivos e imunológicos, a fim de construir associações entre os itens de uma base de dados. Foram feitos três estudos: a influência de diferentes mecanismos de seleseleção e cruzamento no algoritmo evolutivo; o uso de seleção probabilística no algoritmo imunológico; e a comparação dos algoritmos bioinspirados com o algoritmo determinístico clássico aplicado a essa tarefa, chamado de Apriori. As bases de dados para efeitos comparativos foram coletadas em lojas nacionais de comércio eletrônico. Os resulta-dos apresentados permitiram identificar uma combinação adequada dos mecanismos de sele-ção e cruzamento do algoritmo evolutivo, assim como identificar os pontos fortes e fracos dos algoritmos bioinspirados quando comparados ao algoritmo tradicional.

Made available in DSpace on 2016-03-15T19:38:14Z (GMT). No. of bitstreams: 1 Ederson Borges.pdf: 626219 bytes, checksum: d83887c1b3e2287f434525ac9701f0c7 (MD5) Previous issue date: 2010-01-27 / Clustering is an important data mining task from the field of Knowledge Discovery in Databases. There are several algorithms capable of performing clustering tasks, and the most popular ones involve the calculation of a similarity or distance measure among objects from the database. Many algorithms can perform clustering in a simple and efficient manner, but have drawbacks as a way to get the optimal number of partitions and the possibility of getting stuck in local optima solutions. To try and reduce these drawbacks this dissertation proposes a new clustering algorithm based on Artificial Immune Systems. This algorithm is characterized by the generation of multiple simultaneous high quality solutions in terms of the number of partitions (clusters) for the database and the use of a cost function that explicitly evaluates the quality of partitions, minimizing the inconvenience of getting stuck in local optima. The algorithm was tested using four databases known in the literature and obtained satisfactory results in terms of the diversity of solutions, but has a high computational cost compared to other algorithms tested. / Agrupamento de dados é uma importante tarefa da mineração de dados e descoberta de conhecimentos em bases de dados. Existem diversos algoritmos capazes de realizar a tarefa de agrupamento de dados, sendo que os mais populares envolvem o cálculo de similaridade ou distância entre objetos da base de dados. Boa parte dos algoritmos pode agrupar os dados de forma simples e eficiente, mas possui inconvenientes como a forma de obter o número ótimo de partições e a possibilidade de ficar preso em ótimos locais. Para tentar diminuir estes inconvenientes essa dissertação propõe um novo Algoritmo Imunológico para Agrupamento de Dados baseado em Sistemas Imunológicos Artificiais. Esse algoritmo é caracterizado pela geração de múltiplas soluções simultâneas de boa qualidade no que tange o número de partições (grupos) para a base de dados e uma função de custo que avalia explicitamente a qualidade dessas partições, minimizando o inconveniente de ficar preso em ótimos locais. O algoritmo foi testado utilizando quatro bases de dados conhecidas na literatura e obteve resultados satisfatórios no que tange a diversidade das soluções encontradas, mas apresentou um custo computacional elevado em relação a outros algoritmos testados.

Made available in DSpace on 2016-12-23T14:33:37Z (GMT). No. of bitstreams: 1 dissertacao.pdf: 1052399 bytes, checksum: b17ce224ca3822e277c997fd00bd2c67 (MD5) Previous issue date: 2006-11-29 / Este trabalho apresenta um Sistema Imune Artificial (SIA) para tratar problemas de escalonamento. O Sistema Imunológico Artificial desenvolvido neste projeto baseia-se na estrutura arquitetura e funcionamento dos Sistemas Imunes Biológicos ou Naturais. O uso de Algoritmo Genético (AG) fez-se necessário para gerar os indivíduos a serem escalonados, representando os antígenos e anticorpos do SIA. Cada indivíduo gerado pelo AG representa um conjunto de tarefas processadas em um conjunto de máquinas. Os indivíduos são avaliados por uma função de aptidão que representa o processo de seleção natural. A evolução dos indivíduos e consequentemente das populações são obtidas aplicando-se os operadores genéticos de crossover e mutação. As tarefas e as máquinas, utilizadas para o escalonamento, representa o problema de Job Shop Scheduling (JSS). Ao problema, foram aplicados alguns testes clássicos da literatura, onde se verificou a viabilidade dos SIA para tratamento de problemas de escalonamento. Ainda com os testes, pode-se observar o comportamento do sistema durante toda a execução, possibilitando assim, uma análise criteriosa das funcionalidades do sistema e dos resultados gerados pela massa de teste, observados durante um período de tempo. A representação dos sistemas imunológicos naturais através de algoritmos computacionais tem inspirado pesquisadores de todo o mundo, a motivação é que os sistemas imunológicos possuem características de paralelismo adaptabilidade e aprendizagem, além da possibilidade de serem aplicados em diversos problemas das mais diversas áreas, devido sua portabilid ade. / This work presents an Artificial Immune System (AIS) to deal with problems scheduling. The Artificial Immunologic System developed in this project was based on the structure, architecture and functioning of the Biological or Natural Immune Systems. The use of Genetic Algorithm (GA) became necessary to represent the antibodies and antigens of the AIS. Each individual generated for the GA represented a processed task set library in a set of machines. The evaluation of each individual was given by a fitness function that represents the process of natural selection. The evolution of the individuals, and population as a consequence was obtained by applying the genetic operators of crossover e mutation. The machines and the tasks used for the scheduling represent the problem of Job Shop Scheduling (JSS). Some classic tests of the literature where applied to the problem in order to verify the viability of the AIS on the treatment of task of scheduling problems. Those tests also demonstrated the system s behavior its entire execution, therefore, allowing for a detailed analysis of the system s functionalities sets for certain time period. The representation of the natural immunologic systems through computational algorithms inspires from all over world researchers. The motivation is that the immunologic systems possess parallelism characteristics adaptability and learning, which can be applied in several problems found in many areas, had its portability.

Submitted by FERNANDO PARRA DOS ANJOS LIMA null (engfernandoparra@gmail.com) on 2016-10-31T11:47:54Z No. of bitstreams: 1 Fernando Parra A. Lima.pdf: 3667307 bytes, checksum: 0d206b9c09566cdb11de101b84976228 (MD5) / Approved for entry into archive by Felipe Augusto Arakaki (arakaki@reitoria.unesp.br) on 2016-11-07T16:42:09Z (GMT) No. of bitstreams: 1 lima_fpa_dr_ilha.pdf: 3363973 bytes, checksum: d8849cdd159a11920c497d025a8ae16a (MD5) / Made available in DSpace on 2016-11-07T16:42:09Z (GMT). No. of bitstreams: 1 lima_fpa_dr_ilha.pdf: 3363973 bytes, checksum: d8849cdd159a11920c497d025a8ae16a (MD5) Previous issue date: 2016-09-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura. / This work develops a methodology to realize voltage disturbance diagnosis in electrical distribution systems, based on Artificial Immune Systems (AIS). It is a proposition of a new paradigm in AIS environment, which provides a continuous learning (plasticity). This conception allows composing a diagnosis system able to continuous learn, when new disturbances appear due to the constant evolution of the power systems, without needing to reinitialize the learning. This way, two artificial immune algorithms are used, such as the negative selection algorithm executing the pattern recognition process, and the clonal selection algorithm, executing the learning process. The main application of this new method is to aid the system operation during disturbances, as well as, supervise the system protection and be able to carry on the evolution of the electrical systems acquiring knowledge continuously. To evaluate the efficiency and the performance of this new method, voltage disturbance simulations were executed in electrical distributions systems with 5, 33, 84 and 134-bus in ATP/EMTP software. Results show robustness and efficiency when compared with those in the literature.

Made available in DSpace on 2016-12-23T13:44:55Z (GMT). No. of bitstreams: 1 dissertacao.pdf: 1052399 bytes, checksum: b17ce224ca3822e277c997fd00bd2c67 (MD5) Previous issue date: 2007-03-23 / This work presents an Artificial Immune System (AIS) to deal with problems scheduling. The Artificial Immunologic System developed in this project was based on the structure,architecture and functioning of the Biological or Natural Immune Systems. The use of Genetic Algorithm (GA) became necessary to represent the antibodies and antigens of the AIS. Each individual generated for the GA represented a processed task set library in a set of machines. The evaluation of each individual was given by a fitness function that represents the process of natural selection. The evolution of the individuals, and population as a consequence was obtained by applying the genetic operators of crossover e mutation. The machines and the tasks used for the scheduling represent the problem of Job Shop Scheduling (JSS). Some classic tests of the literature where applied to the problem in order to verify the viability of the AIS on the treatment of task of scheduling problems. Those tests also demonstrated the system s behavior its entire execution, therefore, allowing for a detailed analysis of the system s functionalities sets for certain time period. The representation of the natural immunologic systems through computational algorithms inspires from all over world researchers. The motivation is that the immunologic systems possess parallelism characteristics adaptability and learning, which can be applied in several problems found in many areas, had its portability. / Este trabalho apresenta um Sistema Imune Artificial (SIA) para tratar problemas de escalonamento. O Sistema Imunológico Artificial desenvolvido neste projeto baseia-se na estrutura arquitetura e funcionamento dos Sistemas Imunes Biológicos ou Naturais. O uso de Algoritmo Genético (AG) fez-se necessário para gerar os indivíduos a serem escalonados, representando os antígenos e anticorpos do SIA. Cada indivíduo gerado pelo AG representa um conjunto de tarefas processadas em um conjunto de máquinas. Os indivíduos são avaliados por uma função de aptidão que representa o processo de seleção natural. A evolução dos indivíduos e consequentemente das populações são obtidas aplicando-se os operadores genéticos de crossover e mutação. As tarefas e as máquinas, utilizadas para o escalonamento, representa o problema de Job Shop Scheduling (JSS). Ao problema, foram aplicados alguns testes clássicos da literatura, onde se verificou a viabilidade dos SIA para tratamento de problemas de escalonamento. Ainda com os testes, pode-se observar o comportamento do sistema durante toda a execução, possibilitando assim, uma análise criteriosa das funcionalidades do sistema e dos resultados gerados pela massa de teste, observados durante um período de tempo. A representação dos sistemas imunológicos naturais através de algoritmos computacionais tem inspirado pesquisadores de todo o mundo, a motivação é que os sistemas imunológicos possuem características de paralelismo adaptabilidade e aprendizagem, além da possibilidade de serem aplicados em diversos problemas das mais diversas áreas, devido sua portabilidade.

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura. / Doutor

Orientadores: Fernando Jose Von Zuben, Jonatas Manzolli / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T18:10:14Z (GMT). No. of bitstreams: 1 Caetano_MarceloFreitas_M.pdf: 11758987 bytes, checksum: 2521dc99ef68d0b0a4e06b9ea4751fc5 (MD5) Previous issue date: 2006 / Resumo: Não há limitações teóricas para o uso do computador como fonte de sons musicais. O computador digital permite a produção de qualquer som concebivel dada a seqüência correta de números (amostras digitais). No entanto, produzir uma dada seqüência de números que corresponda a um som musical que possua determinadas características perceptivas desejadas é uma tarefa de difícil resolução. Grande parte dos métodos e sistemas de síntese sonora digital utiliza modelos e/ou incorpora técnicas que não levam em conta a natureza dinâmica dos sons musicais ou que não foram originalmente desenvolvidas para manipulação musical. Neste trabalho, é apresentada uma abordagem populacional para síntese sonora no domínio temporal. Foi estudado um espaço sonoro e um conjunto de atratores, isto é, um conjunto de formas de onda com qualidades sonoras desejadas e definidas a priori, e foi possível obter sons que possuem características associadas a um ou mais atratores, representando variantes dos mesmos. Este método de síntese de sons musicais pode ser interpretado como um processo de busca no espaço vetorial que contém todas as possibilidades sonoras decorrentes da representação adotada, e tem por objetivo a criação de formas de onda digítalizadas com características emergentes e potencial para serem utilizadas em diversas aplicações musicais. Os resultados representam variantes e/ou possuem íntersecções das características próprias dos atratores, responsáveis por indicar as regiões de interesse do espaço de busca. A proposta de pesquisa envolveu a utilização de algoritmos bioinspirados - os quais expressam propriedades de sistemas auto-organizados e adaptativos - como definidores de processos de geração e estruturação dos elementos sonoros, entendidos aqui como problemas de otimização. A auto-organização e os mecanismos de manutenção de diversidade e de adaptação, intrínsecos aos sistemas bio-inspirados, fundamentam a proposta no sentido de viabilizarem a emergência temporal de estruturas estáveis sem um elemento organizador externo / Abstract: There are no theoretical limitations to the use of the computer as a source of musical sounds. The digital computer allows for the production of any conceivable sound given the carrect sequence af numbers (digital samples). Nevertheless, producing the correct sequence of numbers that correspond to a musical sound expressing predefined perceptual characteristics is a very difficult task. Most sound synthesis methods and systems utilize models and/or incorporate techniques which do not take into account the dynamic nature of musical sounds or were not originally developed for the manipulation of musical tones. In this work we are proposing a populational sound synthesis approach in the time domain. A soundspace and a set of attractors, i.e. waveforms containing a priari desired features or qualities, and a population of agents communicating by means of local interaction were studied, and it was possible to attain sounds which share some qualities from more than one of the attractors, resulting exclusively from low-Ievel rules followed by these agents. This sound synthesis method can be regarded as a search in the vector space that contains ali the possible sounds resulting from the adopted representation, and its objective is to synthesize digital waveforms that possess emergent properties and the potential to be used in musical applications. The resulting sounds are variants or hybrids that share some of the intrinsic features of the attractors, which are responsible for indicating the regions of interest in the search space. This proposal involved the use of bio-inspired algorithms, which express features of adaptive, self-organizing systems, as definers of generating and structuring processes of sound elements, regarded herein as optimization processes. Self-organization and diversity maintenance and adaptation mechanisms, intrinsic to bio-inspired systems, lay the foundations of this proposal so as to make viable the temporal emergence of stable structures without an externa I organizing element / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientadores: Fernando Jose Von Zuben, Mauricio Fernandes Figueiredo / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T19:35:31Z (GMT). No. of bitstreams: 1 Michelan_Roberto_M.pdf: 4495515 bytes, checksum: aed72feefc89070579190e862ea0f740 (MD5) Previous issue date: 2006 / Resumo: A concepção de sistemas autônomos de navegação para robôs móveis, havendo múltiplos objetivos simultâneos a serem atendidos, como a coleta de lixo com manutenção da integridade, requer a adoção de técnicas refinadas de coordenação de módulos de comportamento elementar. Modelos de redes imunológicas artificiais podem então ser empregados na proposição de um controlador concebido com base em um processo de mapeamento dinâmico. Os anticorpos da rede são responsáveis pelos módulos de comportamento elementar, na forma de regras do tipo <condição>-<ação>, e as conexões são responsáveis pelos mecanismos de estímulo e supressão entre os anticorpos. A rede iniciará uma resposta imunológica sempre que lhe forem apresentados os antígenos. Estes antígenos representam a situação atual capturada pelos sensores do robô. A dinâmica da rede é baseada no nível de concentração dos anticorpos, definida com base na interação dos anticorpos e dos anticorpos com os antígenos. De acordo com o nível de concentração, um anticorpo é escolhido para definir a ação do robô. Um processo evolutivo é então responsável por definir um padrão de conexões para a rede imunológica, a partir de uma população de redes candidatas, capaz de maximizar o atendimento dos objetivos durante a navegação. Resulta então um sistema híbrido que tem a rede imunológica como responsável por introduzir um processo dinâmico de tomada de decisão e tem agora a computação evolutiva como responsável por definir a estrutura da rede. Para que fosse possível avaliar os controladores (redes imunológicas) a cada geração do processo evolutivo, um ambiente virtual foi desenvolvido para simulação computacional, com base nas características do problema de navegação. As redes imunológicas obtidas através do processo evolutivo foram analisadas e testadas em novas situações, apresentando capacidade de coordenação em tarefas simples e complexas. Os experimentos preliminares com um robô real do tipo Khepera II indicaram a eficácia da ferramenta de navegação / Abstract: The design of an autonomous navigation system for mobile robots, with simultaneous objectives to be satisfied, as garbage collection with maintenance of integrity, requires refined coordination mechanisms to deal with modules of elementary behavior. Models of artificial immune networks can then be applied to produce a controller based on dynamic mapping. The antibodies of the immune network are responsible for the modules of elementary behavior, in the form of <condition>-<action> rules, and the connections are responsible for the mechanisms of stimulation and suppression of antibodies. The network will always start an immune response when antigens are presented. These antigens represent the current output of the robot sensors. The network dynamics is based on the levels of antibody concentration, provided by interaction among antibodies, and among antibodies and antigens. Based on its concentration level, an antibody is chosen to define the robot action. An evolutionary process is then used to define the connection pattern of the immune network, from a population of candidate networks, capable of maximizing the objectives during navigation. As a consequence, a hybrid system is conceived, with an immune network implementing a dynamic process of decision-making, and an evolutionary algorithm defining the network structure. To be able to evaluate the controllers (immune networks) at each iteration of the evolutionary process, a virtual environment was developed for computer simulation, based on the characteristics of the navigation problem. The immune networks obtained by evolution were analyzed and tested in new situations and presented coordination capability in simple and complex tasks. The preliminary experiments on a real Khepera II robot indicated the efficacy of the navigation tool / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica