从生物序列中识别基序是生物信息学中的一个热点问题,也是生物学中研究基因调控机制的基础计算问题之一。由于基序长度较短、非百分百保守以及生物数据复杂性高等原因,通过计算方法识别基序仍旧是人们研究基因转录调控过程的一大难点。遗传算法由于其鲁棒性强、随机性、全局性以及适于并行处理等优点,近年来被越来越广泛地应用到基序识别问题的求解中,并成为重要的发展方向。　　 虽然遗传算法已形成一套较为完善的算法体系,但早熟收敛、随机漫游等不足限制了其应用。生物学领域的研究发现,生物免疫系统可以很好地保持种群多样性,抑制早熟收敛和限制随机漫游。因此,利用免疫原理可以有效地改进和提高遗传算法的性能。　　 针对遗传算法缺少种群多样性保持策略的不足,考虑生物免疫系统的优点,本文将浓度调节机制引入到遗传算法中,提出了一种基于浓度机制的免疫遗传算法,并将其应用于基序识别。根据基序识别问题定义和基序的表示方式,设计了新的抗体亲和力和抗体浓度计算公式,模拟生物体免疫行为,在遗传算法比例选择算子的基础上,添加了浓度调节因子来抑制高浓度抗体的繁殖,使提出的算法能够有效地保持种群多样性,避免早熟收敛现象的发生。实验结果表明该算法有较好的基序识别效果,能够在较长序列中识别基序,在一次运行中识别多基序。　　 为了克服算法在遗传过程中随机搜索造成的种群退化现象,本文模拟人工免疫系统,引入疫苗的调控作用,提出了一种基于疫苗机制的基序识别算法,通过疫苗提取、疫苗接种和免疫选择来抑制种群的退化现象,加快算法收敛速度。通过在模拟生物数据和真实生物数据上的实验,说明该算法进一步提高了基序识别效果。