许多实际工程问题可以抽象为相应的函数优化问题。目前己经有很多启发式算法用于解决函数优化问题。遗传算法就是其中的一种，但由于在实际应用中遗传算法早熟收敛，收敛速度慢的现象时有发生，这在一定程度上限制了遗传算法的发展和应用。而免疫系统是一个分布式、自组织和具有动态平衡能力的自适应复杂系统。人工免疫系统是与生物免疫系统相对应的工程概念，人们从免疫系统中提取、发现有用机制用来解决工程和科学问题，研究如何根据免疫优化理论以及模拟生物免疫优化行为来设计新的有效优化算法是非常有意义的科研课题。本文首先回顾了进化算法的发展历程，尤其是遗传算法分支领域。然后详细介绍了自然免疫系统基本原理、人工免疫系统及各种免疫算法。其中克隆选择原理是人工免疫系统中非常重要的一个原理，由此启发而得出的免疫算法，能够比较好地解决函数优化问题。最后在分析克隆选择算法的优越性与其不足的基础上，借鉴自然界共享小生境机制，提出了对克隆选择算法的改进算法——基于小生境的克隆选择算法。针对克隆选择算法的漏峰问题，小生境克隆选择算法重新设计了评价函数。本文通过引入共享函数来确定群体中个体之间的物种相似度，再以共享函数为基础设计评价函数，替代原先简单的以适应度值为唯一标准的评价函数，对群体中聚集成小块的个体可以通过施加共享函数进行惩罚，使其适应值减小，这样就使得小规模物种的被选择概率会比适应值共享之前有所提高，从而维护群体中小规模低适应度物种生存，使其也能顺利进入下一代。小生境技术通过维护群体中小规模低适应度物种的生存，增加了物种多样性，使群体向优质个体分布良好的方向进化。最后经过测试，表明该改进算法与标准遗传算法和克隆选择算法相比，具有快速收敛、全局寻优能力强、增加种群多样性等优点。针对算法中的某些步骤和参数，通过实验统计结果给出合理调整。总之，优化问题是一个古老的问题，同时它也是一个困难的问题，而自然界中包含着丰富有效的信息处理机制。我们可以模拟自然进化原理与机制，模拟生物智能的生成过程，并用以求解问题，进而融合数学、生物、计算机技术等各个领域的原理与技巧，使所设计的算法策略更为有效。这是当前国际计算智能研究领域的热点之一。本文将生物免疫和生物小生境技术相结合，建立了新型算法模型，而深入研究其理论基础和开拓算法的应用领域将是我们下一步的研究重点和发展方向。