توابع چند وجهی، توابعی هستند که در فضای مسئله خود دارای یک یا چند نقطه بهینه سراسری و چند نقطه بهینه محلی می باشند. هدف از بهینه سازی چند وجهی، پیدا کردن تمامی بهینه های سراسری و حداکثر تعداد نقاط بهینه محلی می باشد. در میان روش های مطرح شده برای بهینه سازی چند وجهی، شبکههای ایمنی مصنوعی با الهام گیری از سیستم ایمنی طبیعی بدن، توانسته اند توانایی مناسبی را برای بهینهسازی چند وجهی از خود نشان دهند. الگوریتم opt-ainet یکی از مشهورترین شبکههای ایمنی برای بهینهسازی مسائل چندوجهی است که با معرفی ویژگیهای جدید توانسته است نسبت به الگوریتمهای قبل از آن، منجر به نتایج قابل قبولی شود. اصلی ترین عیب این الگوریتم، محدود شدن تعامل بین سلولی درون شبکه به عمل بازدارندگی است. این موضوع مخالف نظریه شبکه ایمنی است که تعامل را شامل بازدارندگی و همیاری میداند. در الگوریتمهای بعدی که سعی در ایجاد نوعی همیاری بین سلولها دارند، مثل coain و hainet، سلولها علاقمند به حرکت به سمت نقاط بهینه سراسری می باشند و به همین دلیل بسیاری از بهینه های محلی از دست می روند. عیب دیگر در opt-ainet، اکتشاف فضای مسئله به صورت کورکورانه و بدون توجه به تجارب تکرارهای قبلی است که موجب ایجاد و جهش سلول هایی می گردد که جواب های متمایزی را به دست نخواهند داد. در این پژوهش، راهکار جدیدی برای تعامل درون شبکه ایمنی مصنوعی پیشنهاد شده است که به جای نزدیک کردن سلول ها به نقاط بهینه پیدا شده قبلی، سعی در دور کردن آن ها به کمک عملگری موسوم به عملگر دفع دارد. به همین دلیل این تعامل به نام همیاری معکوس نامگذاری شده است. همچنین مکانیزم پویایی در الگوریتم گنجانده شده است که با بهره گیری از تجارب حرکات قبلی یک سلول ، موجب شتاب گرفتن حرکت به سمت یک نقطه بهینه می شود. چنانچه شتاب جهش سلول منجر به عبور کردن آن از نقطه بهینه مورد نظر شود، پویایی مکانیزم موجب می شود که سلول سریعاً به سمت نقطه بهینه برگردد. الگوریتم پیشنهادی روشی را نیز برای تولید سلول های جدید به کار می برد که موجب می شود سلول های جدید به احتمال زیاد در فضایی دورتر از مکان بهینه های پیدا شده در تکرارهای قبل، قرارگیرند تا به این صورت اکتشاف به صورت کاراتر و هدفمند انجام شود. جمع بندی نهایی، موفقیت چشمگیر الگوریتم پیشنهادی را نسبت به الگوریتم opt-ainet، هم در تعداد بهینه های پیدا شده و هم تعداد تکرار همگرایی نشان می دهد.