生物免疫系统是一个高度进化的系统,它具有高度自适应、分布性、自组织等特性,蕴含着丰富的信息处理机理。人工免疫系统正是借鉴生物免疫系统信息处理机制的而发展起来的智能信息处理技术。由于人工免疫系统具备模式识别、学习和记忆的能力,因此它成为了一种科学及工程领域中信息处理的工具,由此也开辟了计算智能研究的新领域。充分挖掘和借鉴其资源,不断完善并开发新的计算模型和方法,并展开其理论及应用研究,已成为免疫计算智能的重要研究内容。在这种背景下,本文致力于研究基于生物免疫原理的免疫智能优化方法,以免疫计算智能的基本原理为线索,对其研究状况加以系统性的论述,从理论、算法构建及工程应用等方面对免疫计算智能进行分析。针对最优化、机器学习及复杂系统智能控制等优化问题,提出一系列计算智能新方法,并展开理论及应用探讨。仿真实验及应用表明已获算法是可行的且有效的,从不同侧面反映了免疫系统的特定动力学行为,丰富和发展了人工免疫系统的内涵。论文主要研究内容及成果体现在以下几个方面:(1)基于免疫响应原理,建立了免疫智能计算方法的一般框架,给出了免疫优化算法的运行机制及数学模型。所建立的模型及基本算法具有较好的自适应、自学习能力。进而利用Markov链理论及概率论的相关知识探讨该算法的收敛性及收敛速度估计,给出了算法参数分析及运算一般复杂度描述。(2)结合最优化问题,通过在克隆选择过程中引入聚类机制,提出了一种免疫聚类竞争的克隆选择算法。通过聚类将抗体群分成多个子种群来实现其克隆选择策略,增强聚类族中的优秀个体获得克隆扩增实现亲和力成熟的机会,提高抗体群分布的多样性,加速克隆扩增,从而提高抗体成熟力及亲和性。采用了混合超变异算子,使其能快速获取全局及局部最优。将这种基于聚类竞争的免疫克隆算法应用于复杂函数的寻优,研究结果表明,该算法优化能力和保持模式多样性的能力较强,能够获得较好的多模态函数优化效果。具有可靠的全局收敛性及较快的收敛速度。(3)将免疫计算智能方法与机器学习相结合,针对约简属性组合的爆炸问题,将粗糙集属性集合的核属性作为先验信息,引入免疫疫苗的抗体编码,并概率性对种群接种疫苗。将属性集合的分类近似标准作为适应度进化目标进行优化。在克隆选择过程中采用小生境共享机制,促使保存优良种群,采用了竞争扩增、克隆删除、抗体循环补充等思想及相关算子操作,提高抗体群分布的多样性及稳定性,从而获得了多个属性约简及最小约简的平衡,从而实现从多属性集合寻求最优选择。(4)将免疫优化应用于智能控制,重点针对模糊控制优化问题,提出了分阶段免疫模糊控制优化设计方法,分别对模糊控制隶属度参数及控制规则进行优化。利用免疫反馈原理建立相应的免疫控制思想和方法,通过模糊控制的自动调节及自学习的能力,对免疫模糊PID控制进行优化。针对复杂工业过程控制系统,将基于免疫优化的模糊控制和免疫PID控制结合,设计免疫模糊智能控制器。通过自调节的加权因子合成控制输出,进而提出基于免疫智能的综合集成控制思想,将免疫智能控制应用于回转窑烧结炉温控制并进行仿真,证明其有效性和先进性。说明将免疫计算智能应用于控制系统是对现代智能控制方法的有益补充。