随着社会的发展,现实的优化问题逐渐受多种因素的影响,进而出现多目标优化问题。多目标优化问题在算法研究和应用中都是一个非常值得的研究课题,多目标优化引起了学者的广泛重视。进化算法模拟了生物在自然环境中的遗传和进化过程,是一种自适应随机搜索优化算法。进化算法可以有效的求解高度复杂的非线性问题,这是由于其具有的优越性和鲁棒性。多目标进化算法被广泛应用于自然科学和工程等诸多领域。本文根据基于聚集密度多目标优化算法和人工免疫算法的特点,提出了基于人工免疫系统的多目标进化算法。数值实验表明：改进后的新算法与原算法的收敛性相当,但是最优解的分布性和均匀性得到提高。将新算法应用于动态车辆路径优化问题中,新算法的优越性得以证实。本文主要研究了以下几个方面：1.简要介绍了人工免疫算法和多目标优化算法的研究进程和现状。2.简要介绍了人工免疫算法的基本原理、算法流程和算法优缺点。3.简要介绍了多目标优化算法的基本概念与数学原理。4.为了提高最优解的分布性和均匀性,减少计算时间,提出一种基于聚集密度的人工免疫多目标进化算法。实验分析表明新算法明显具有优越性。5.将改进的算法应用于动态车辆路径优化问题中,数值实验证明改进算法具有优越性。