人工免疫算法是受人体免疫学启发而发展起来的进化计算方法，因其算法模型简单、易于实现、收敛速度快等优点，现已广泛应用于科学研究和工程应用领域。而随着待解决的优化问题复杂度增大，人工免疫算法本身也存在着诸如收敛精度低、后期收敛速度慢以及对大规模复杂问题易陷入局部最优而导致早熟收敛等缺陷。因此，对算法进行改进研究并应用于复杂工程优化问题具有重要的理论意义和实际价值。基本克隆选择算法中其克隆选择的评价尺度是抗体的亲和度，很容易将潜在的优秀抗体抛弃，但是这些优秀抗体对全局搜索却能起到非常重要的作用。鉴于此，本文提出了一种面向多模态函数优化的回溯克隆选择算法（BCSA）。其基本思想是：采用改进回溯机制和记忆库抗体抑制策略，保持抗体的多样性，以增强算法的全局搜索能力；通过对动态变异、选择与交叉操作的改进以加快算法的收敛速度。典型的多模态函数测试结果表明，该算法能够有效避免陷入局部最优，准确搜索到多模态函数的多个全局极值点。针对基本克隆选择算法优化复杂函数性能欠佳问题，本文在分析其原理和改进思路的基础上，为了克服算法的早熟收敛和进化后期收敛速度慢等缺陷，先对抗体的初始化方法进行改进，采用混沌反学习初始化方法，扩大了算法的搜索空间，改善了算法的全局收敛速度；然后利用人工蜂群搜索算子较强的探索能力，在进化后期对种群进行引导以帮助算法快速跳出局部最优点，从而避免算法早熟收敛。12个标准函数测试结果表明，该改进算法收敛速度较快、求解精度高，全局搜索能力强。3G基站选址是网络建设的关键环节，针对已有3G基站选址优化算法的不足和TD-SCDMA网络的特点，本文提出了一种基于克隆选择算法的TD-SCDMA网络基站选址优化方案。建立了基站选址问题描述和数学模型，设计了基于反学习的种群初始化方案和精英交叉策略，给出了免疫优化算法框架。实验结果表明，该算法不仅能够以较小的建站代价获得较高的网络覆盖率，即规划方案性价比高，而且算法具有较好的收敛性。