优化命题的解决存在于许多领域，对于国民经济的发展也有着巨大的应用前景．随着优化对象在复杂化和规模化等方面的提高，基于严格机理模型的传统优化方法在实施方面变得越来越困难．人工鱼群算法(Artificial Fish-Swarm Algorithm，AFSA)是由李晓磊等在2002年提出的，源于对鱼群运动行为的研究，是一种新型的智能仿生优化算法．它具有较强的鲁棒性、优良的分布式计算机制、易于和其他方法结合等优点．目前对该算法的研究、应用已经渗透到多个应用领域，并由解决一维静态优化问题发展到解决多维动态组合优化问题．人工鱼群算法已经成为交叉学科中一个非常活跃的前沿性研究课题．本文的主要研究成果与贡献如下：1)简要的回顾了智能仿生优化算法理论产生的背景．总结了仿生算法的基本理论和特点，以及仿生优化算法的共性与个性．2)对于人工鱼群算法进行了详细的分析．人工鱼群算法是一种新兴的仿生学算法，在介绍了AFSA的基本原理、算法描述、算法参数和流程的基础上，又介绍了其应用前景．3)通过对六年来人工鱼群改进算法的研究，提出了四种改进思路，并介绍了几个典型的改进模型．4)提出了引入免疫系统的免疫信息处理机制的两种改进的人工鱼群算法：IM-AFSA和IV-AFSA．IM-AFSA是一种基于免疫记忆和调节机制的免疫人工鱼群算法；IV-AFSA是一种基于疫苗接种的免疫人工鱼群算法．与基本人工鱼群算法相比，IM-AFSA在提高避免陷入局部最优和收敛速度方面有比较好的效果，而IV-AFSA在保持上述优点的基础上，进一步提高了算法的寻优精度．