近年来,人工智能技术发展很快,其中人工免疫算法是其中研究热点之一。危险模式理论是生物免疫学领域所提出的一个崭新理论,为生物免疫学的研究开辟了新的道路。同时,理论对人工免疫算法也产生了深远的影响。目前一些专家学者们开始试图根据危险模式理论构造人工免疫算法,用于解决复杂工程问题。但在危险模式人工免疫算法基本框架结构、算法的收敛性分析等方面的理论和应用尚存在很多问题。为此,本文对上述几个研究热点进行了探索。这对危险模式人工免疫算法的深入研究,无疑具有重要意义。借鉴遗传算法与传统人工免疫算法的成功经验,构造基于危险模式理论的人工免疫算法,除在理论上开展研究外,还结合船舶航运的实际,研究了危险模式人工免疫算法在船舶避碰策略优化中的应用,并进行了仿真验证。论文首先从免疫学的医学基础入手,阐明危险模式人工免疫算法的医学机理。根据危险模式理论的特点,对危险信号、危险区域及危险化操纵算子等做了相应的定义。危险信号与危险区域是危险模式理论中最基本也是最重要的两个概念。将抗体间亲和度作为危险信号发生的依据,迭代过程中最优个体周围的超球体范围定义为危险区域,参考遗传算法与传统人工免疫算法的设计方法,利用危险信号、危险区域、危险化操作算子、变异以及选择操作算子,构造危险模式人工免疫算法基本框架。通过几个典型复杂函数的优化实例验证了算法的有效性。基于危险模式人工免疫算法的抗体种群序列为-马尔可夫链,因此根据马尔可夫随机过程的相关性质与定理,对算法的收敛性进行了严格的证明,为算法的设计和应用奠定了理论基础。基本框架算法是基于危险模式理论人工免疫算法的最简实现形式,其中存在需要改进的地方。在基本框架中危险区域的大小是固定的,危险区域半径需要根据经验及试凑的方式来确定,为解决危险区域半径的选择问题,提出危险区域自适应危险模式人工免疫算法。在改进算法中,危险区域半径会随着算法迭代的进行而不断自适应调整。通常在算法运行的初始阶段,危险区域半径较大,危险区域将包含问题的整个变量域,以便更好地对全局最优值进行搜索；随着程序的运行,危险区域不断缩小,实现对重点区域的局部搜索。仿真结果表明,无论在算法收敛速度还是优化结果的精度上,危险区域自调整算法的搜索性能都优于基本框架算法的性能。混沌是一种貌似随机的确定性系统,混沌变量具有随机性和遍历性、保证算法大范围良好的搜索特性以及不被局部极值所局限等特性；可以有效地防止早熟现象,提高算法的收敛速度；对求解复杂非线性问题,具有无需优化问题具有连续性和可微性等优点。因此将混沌理论与危险模式人工免疫算法有机结合,提出混沌危险模式人工免疫算法。算法在迭代过程中,分别采取混沌小扰动与混沌再生技术对危险抗体集与安全抗体集两部分种群进行操作,这既保证算法对危险区域的重点搜索,又实现对全局最优解的搜索。仿真验证了算法的有效性与优越性。为了将危险模式人工免疫算法应用到船舶安全中,研究了船舶避碰的机理、船舶领域、船舶碰撞危险度及船舶运动参数的计算方法,为船舶避碰仿真奠定了基础。针对船舶安全中避碰策略优化问题,构造了基于危险模式人工免疫算法的船舶避碰策略优化程序。根据ARPA系统的试操作原理,将船舶避碰操作相关参数作为危险模式人工免疫算法的抗体串,以亲和度函数为评价依据,以对抗体种群中个体串的操作实现种群更新,建立一个优化迭代过程,寻找最优的避碰策略。最后通过大量的计算机仿真验证了算法的有效性。概括起来,本文主要是依据危险模式理论在免疫应答启动方式上的新观点,设计了危险模式人工免疫算法基本框架,并探讨了其改进方法及在船舶避碰策略优化中的应用,同时在理论上证明了算法的收敛性。