生物免疫系统是一种高度并行的自适应信息学习系统,它能自适应地识别和排除机体的抗原性异物,并且具有学习,记忆和自适应调节能力,能够保护机体体内环境的稳定。近年来,人们逐渐意识到生物免疫机制对开发新的计算机智能的启示意义,人工免疫算法(Artificial immune algorithm AIA)即是受生物免疫系统启示而设计的新型算法。由于生物免疫系统的复杂性使得人工免疫系统的研究不像人工神经网络、遗传算法等其他智能方法那样得到足够的发展。因此,目前国内外的研究成果和应用相对较少。但它结合了先验知识和生物免疫系统的自适应能力两大特点,因而具有较强的和鲁棒的信息处理能力,并且在对问题进行求解时不要求目标函数具有可导等高附加信息,在搜索过程中更能收敛到全局最优解,被人们认为是具有强大潜力的搜索算法,现已经用于机器学习,异常和故障诊断,机器人行为仿真,机器人控制,网络入侵检测,函数优化等领域,表现出较卓越的性能和效率。论文利用人工免疫算法求解数值问题的优越性,研究得到了改进的多峰值人工免疫算法,能够很好地解决函数优化的问题。 本文的工作主要有以下几个方面: (1)介绍了生物免疫系统的一些基本概念,系统组成,功能和原理,简单分析了人工免疫系统的研究内容,研究现状及基本理论,其次,对现已被提出的一些遗传算法,免疫算法的基本结构和流程进行了研究和分析。 (2)论文在对已有人工免疫算法研究的基础上,系统分析比较各种人工免疫算法,进一步将记忆细胞的作用机制增加到算法设计中,充分利用生物学上的Baldwin效应,提出了改进的多峰值人工免疫算法。 (3)通过实例分析了多峰值人工免疫算法的有效性和鲁棒性,同时,论文还对算法中的算子进行了修正,从而极大地提高了算法的全局搜索能力和收敛速度。得到了较好结果,表明此算法在求解函数优化问题上是一种可行的,优越的新方法。