随着对人体免疫系统研究的深入,人们发现该系统是一个高度复杂的自适应系统,具有并行和分布式的特点。为了更好的解决工程应用的相关问题,通过模拟人体免疫系统的信息处理方式,人工免疫系统诞生了。而人工免疫系统中的优化计算为同属于人工免疫系统领域的入侵检测提供了一条崭新的改进道路。本文首先提出了一种新的基于免疫的偏好多目标优化方法,随后为入侵检测提出了可选择模块式否定选择算法,并最终确立了用多目标优化方法改进否定选择算法的实现策略。在本文的第二章中,重点提出了改进的球支配方法,即软约束球支配方法。该支配方法能够很好衡量决策者的偏好信息,使优化算法能稳定的收敛到偏好区域内的Pareto最优边界上。基于这种支配方法,本文又提出了一种新型的基于球支配的偏好免疫算法。这一偏好算法能更好的保证进化种群中抗体的多样性,有利于算法稳定收敛。在本文的第三章中,重点介绍了入侵检测领域中的重要算法,V-detector否定选择算法。该算法具有多种正常样本表现型和覆盖率估计方式,且各自具有其特有的优点和缺点。为了更好的检测复杂的入侵数据,本文提出了可选择模块式否定选择算法,有效的将否定选择算法中的各个机制模块化,用以灵活选择并处理不同的待测数据。在本文的第四章中,成功的将约束多目标优化方法应用到否定选择算法中,提出了一种新颖的约束多目标免疫算法,并有效优化了检测器集合的分布情况。该方法能够较好的满足工程应用对否定选择算法的要求,有效的增大单个检测器效用。因此用很少的检测器即可覆盖更大的异常区域,在检测器集合规模固定的情况下得到更高的检测率。本论文得到国家863项目(批准号：2009AA12Z210)、国家自然科学基金(批准号：60703107)、陕西省“13115”科技创新工程重大科技专项(批准号：2008ZDKG-37)、教育部新世纪优秀人才支持计划(批准号：NCET-08-0811),陕西省青年科技新星计划(批准号：2010KJXX-03),和中央高校基本科研业务费重点项目(批准号：K50510020001)资助。