人工免疫系统是根据生物学免疫系统的特点和作用机理等构造出的一类高性能人工智能系统,对许多复杂的工程应用问题求解具有重要的借鉴作用,然而在求解大规模复杂问题和处理大量数据时,该类算法仍存在求解效率无法满足应用的实时性等问题。并行计算(Parallel Computing)可以较大幅度的缩短问题的求解时间,已越来越受到研究者的关注,但是随着问题规模的增大,线程间的通讯损耗会迅速增大,并且进行并行计算的并行机的管理和维护都相对复杂,一般研究人员也难以接触到。图形处理器(Graphic Processing Unit, GPU)近几年高速发展,其高浮点运算能力、并行处理以及可编程功能为图形处理以外的通用计算提供了良好的运行平台,基于GPU的并行计算成为高性能计算领域中的热点研究问题。本文以组合优化问题为研究对象提出了一种基于GPU加速的并行免疫算法,该算法通过加入禁忌表结构大大提高了算法的收敛速度和寻优能力。在此基础上,本文将所提算法的实现转化为计算机统一设备架构(Compute Unified Device Architecture, CUDA)的单指令多线程(Single Instruction Multiple Thread, SIMT)执行过程。为了验证算法的有效性,本文选取了多个典型的旅行商问题(Traveling Salesman Problems, TSP)进行了实验仿真。实验结果表明,本文提出的算法在获得较好的结果的同时,解决了种群规模对计算速率的影响。最后,本文针对冷轧机组的生产调度问题使用现有成熟的数学模型,重新实现了冷轧机组计划编制问题的求解。算法的实现部分编译为动态链接库的形式嵌入C#编写的执行代码中,解决了系统与并行算法的有效衔接,使整个基于.NET开发的系统不仅具有友好的用户界面和易于维护的特点,而且很好的利用了CUDA并行算法的高效性,针对有变化的工艺要求,仅仅对并行算法库做适当修改和重新编译,而前台用户界面和其他程序部分不需要重新修改,体现了系统的开放性和算法的灵活调用的优点。