近年来,对于生物信息系统的研究已逐渐成为人工智能领域的热点问题和重要环节。借鉴生物免疫系统的机理,构造一种高度演化,并行的分布式自适应系统,这种信息处理的能力为计算机科学领域提供了很多有意义的借鉴,而这一学科称为人工免疫系统。同时,现实生活中的问题通常是由多个因素影响决定的,其相应研究领域多目标优化也非常受到学者们的重视。本文是基于人工免疫系统的多目标优化算法和偏好多目标决策的研究,主要内容包括：1)基于模拟退火将人工免疫系统和多目标优化相结合,提出了一种模拟退火免疫算法SAIA。SAIA采用了三个新颖的算子,分别是模拟退火自适应超变异算子,模拟退火选择算子,和种群修剪算子；实验分析证明,SAIA在逼近Pareto前沿方面和保持解的多样性方面表现出良好的性能；2)提出一种区域支配的新的支配关系,基于该区域支配,提出了一种混合多目标免疫算法HMIAR。通过实验分析得出,HMIAR在结合决策者偏好信息解决多目标优化问题的时候可以获得一个分布良好且逼近Pareto前沿的解集；3)提出一种叫做球支配的新的支配关系,基于该球支配的概念,提出了一种球支配偏好免疫算法SPIA以解决动态多目标优化问题。SPIA采用了两种变异策略,分别是推测变异和高斯变异；实验分析显示,SPIA在解决含有偏好信息的动态多目标优化问题方面性能优越。本文工作得到国家863高新技术研究发展计划(No.2009AA12Z210),国家自然科学基金(No.60803098),和教育部长江学者和创新团队支持计划(No.IRT0645)的资助。