人工免疫系统是一门基于生物免疫学、计算机科学的交叉学科，是计算智能领域一个新的研究热点。本文在人工免疫算法、免疫系统模型及应用方面做了一些研究工作，主要创新可归纳为以下几个方面： 1．受生物免疫系统的“针对一种抗原免疫系统能通过克隆选择产生多种抗体”机制的启发，提出了两种适用于多模态函数优化的免疫算法：小生境克隆选择算法(NCSA)和基于聚类的小生境克隆选择算法(C—NCSA)。 (1)小生境克隆选择算法是利用小生境技术、记忆算子、梯度算子、抑制算子对经典的克隆选择算法改进而形成的一种智能算法。从理论上证明了该算法具有完全收敛性。同时，通过与CLONALG算法进行大量仿真对比进一步表明，NCSA不仅具有完全收敛性，并且具有搜索效率高，稳定性好等优点。 (2)基于聚类的小生境克隆选择算法是针对小生境克隆选择算法计算复杂、参数设置困难等缺点而提出的。新算法删除了计算复杂度较大的抑制算子，引入聚类算子，并对算法的部分流程进行了调整。新算法不仅计算复杂度降低，而且无需预知峰的个数等先验知识，仅根据样本数据即可找到全部峰值点。仿真实验验证了C-NCSA的完全收敛性；并且通过与小生境克隆选择算法的对比实验证明：在相同的实验条件下，C-NCSA的执行时间比NSCA明显降低。 2．在免疫系统模型研究方面，对利用“复杂网络”理论建立免疫系统模型进行了探讨，为免疫系统的不同机制建立了相应的复杂网络模型。模型为研究生物免疫系统提供了理论工具，为人工免疫系统学科提供了新的研究方法。文中给出了三个相关模型： (1)基于BA网络的克隆选择模型：它是克隆选择学说的复杂网络模型。它描述了免疫系统在面临抗原入侵时抗体细胞的变化规律。 (2)基9ER模型的独特型网络模型：它是独特型网络学说的复杂网络模型。该模型描述了在没有外部抗原入侵时免疫细胞内部的调节机制。 (3)基于“种群”的免疫系统模型：它是免疫系统的复杂网络模型。该模型有两层：第一层是“种群层”，该层采用ER模型的运算规则，对应着“独特型网络学说”；第二层普通节点层，该层采用BA网络的运算规则，对应着“克隆选择学说”。模型描述了“当有抗原入侵时，抗体细胞进行克隆选择，产生高亲和度的抗体并杀灭抗原：当抗原消除后，免疫系统内部进行自我调整，消除过渡繁殖的抗体细胞，使免疫系统中各类细胞数量保持一定的比例，以维持免疫系统的平衡”的运行机制。 (4)利用“均场理论”，对基于种群的免疫系统模型的度进行理论计算，得出了该模型的度分布函数。同时对该模型的仿真实验表明：经过多代的进化，在种群内部节点的度分布集中于少量节点，符合克隆选择学说；种群之间的度比较均匀，符合独特型网络学说，因此该模型能很好的模拟免疫系统的实际运行特点。 3．将多模态免疫算法应用到入侵检测系统，提出了一种基于模糊规则自动发现的模糊网络入侵检测系统。 (1)提出一套利用小生境克隆选择算法发现模糊规则的方法。该方法的一个特点是对规则的评价函数不仅包含规则本身的置信度和蕴涵隶属度等特性，而且也包含表明该规则对规则集整体性能影响程度的量化特性，即一致性贡献和完备性贡献。该方法不需要预先确定规则数目，便可自动搜索出一组合理的模糊规则。具有收敛速度快，需要先验知识少、规则集完备性、一致性好等特点。将该方法用在股票价格的中期预测上收到了较好的效果。 (2)提出了一种基于网络的模糊入侵检测系统(FNIDS)。该系统中的模糊规则生成是利用小生境克隆算法学习发现。仿真实验采用1999年DARPA的入侵检测评估数据，作为FNIDS的训练和测试数据。仿真实验的结果表明：对DOS和探测攻击两种攻击而言，在相同虚警条件下FNIDS的对旧攻击的检测率高于DARPA的最好检测结果，同时FNIDS对新的DOS攻共有一定的检测能力。