人工免疫系统是继人工神经网络和进化计算之后又一种新型的智能计算方法，是生命科学和计算机科学的交叉学科研究领域。生物免疫系统是一个自适应、自组织、自学习的分布式并行复杂系统。人工免疫系统的研究旨在抽取生物免疫系统所蕴涵的丰富的信息处理机制，设计相应的模型和算法，并用于解决各种复杂问题。 生物免疫系统具有很强的自我保护功能。从信息处理的角度看，非选择机制和进化学习机制是生物免疫系统自我保护机制中的两个重要组成部分。进化非选择算法是将生物免疫系统的非选择机制和进化学习机制相结合设计而成的算法。本文重点研究了针对逻辑电路自动设计、软硬件划分问题的进化非选择算法，并以函数优化问题为背景分析了进化非选择算法的求解能力。 具体而言，本文的研究内容主要包括以下几个方面：(1)设计了一种用于逻辑电路自动设计的进化非选择算法。该算法对迭代生成的电路进行评估，将最差的电路加入自我集。在进化过程中，和自我集中个体相匹配的电路被淘汰，不参与基于个体适应度的选择。本文设计了针对逻辑电路设计问题的匹配规则和自我集更新策略。和传统进化算法的对比试验结果表明，该算法具有较好的性能。 (2)提出将了基于进化非选择算法的软硬件划分求解策略。软硬件划分是软硬件协同设计的关键步骤之一。针对这一问题，本文采用先进先出方法更新自我集，设计了相应的自我个体和候选解之间的匹配策略，并通过和进化算法的实验对比结果表明了算法的有效性。 (3)以函数优化问题为例，从实验和理论两个方面分析了进化非选择算法的性能和参数。文中重点分析了非选择算子的特点，指出非选择算子使得进化非选择算法能够较好地跳出局部最优解，具有较为稳定的求解性能。与此同时，本文还给出了在使用非选择算子时需考虑的两个基本参数，即自我集大小和自我集更新速度，并给出了针对函数优化问题的参考取值。 总的来说，本文主要研究和分析了基于免疫原理的进化非选择算法作为一类新的通用且高效的启发式搜索算法的求解能力。本文从理论上证明了进化非选择算法的收敛性，分析了进化非选择算法跳出局部最优解的原理，并以逻辑电路自动生成和软硬件划分问题为应用背景，通过实验表明该算法不仅可以应用于网络安全和异常检测，而且可以作为一种通用的启发式搜索算法。