生物免疫系统是一种具有很高智能行为的并行、分布式、自适应信息处理系统，其对工程问题的解决发挥了重要作用，并使得基于免疫系统开发新的优化算法成为人工智能领域的研究热点．基于此，本论文针对复杂静态或噪声环境下的优化问题探讨了相应的免疫优化算法，数值实验比较以及算法的实际应用说明，已获算法是可行且有效的．本研究工作所取得的研究成果可概括如下：1)设计适用于静态高维单目标优化的改进免疫优化算法．在算法中，首先引入并行合作进化的思想，把进化群体分为若干个子群体，各个子群体根据一个简单的免疫进化框架独自进化，然后定期在各个子群体之间进行通讯以达到全局优化的目的．该算法已被应用于神经网络的权值优化以及寻找微硬盘双级伺服系统的最优控制量中，比较性的实验结果表明该算法具有较大应用潜力．2)设计自适应采样免疫优化算法处理噪声环境下的单目标优化问题．算法设计中，引入了自适应采样方案以提高算法的执行效率，并基于免疫机理设计了简单的免疫进化框架，同时所获算法具有参数少，便于工程应用等优点．数值实验及比较结果表明，该算法在执行效果和效率上，都能取得较满意的结果，且已被应用于微硬盘伺服系统的参数辨识中．3)设计多目标免疫优化算法处理噪声环境下的多目标优化问题．算法设计中，引入T细胞调节当前进化群体中的抗体的进化方向，设计适用于噪声环境下的多目标免疫优化算法的概率控制比较策略，并赋予抗体一定的生命周期．比较性的数值实验结果表明，所获算法在不同噪声环境下，均能取得较满意的结果，并且搜索速度较快．4)设计多目标进化算法处理静态高维多目标优化问题．算法设计的关键在于引入增强整体和局部搜索能力的动态编码、改善群体多样性的个体评价方案、群体分离和基因块自适应变异等策略．通过与具有代表性的多目标进化算法的比较，所获算法在处理极为困难的高维多目标优化问题方面具有较大的潜力．