本文通过对生物免疫系统阴性选择过程和Forrest阴性选择算法的研究,针对阴性选择免疫算法中字符串空间收敛效果差以及运行成本高的缺点,提出了改进方案,并对改进算法的有效性进行了分析。所做的研究工作归纳如下:(1) 详细地研究了Forrest阴性选择算法以及算法中存在的问题,通过理论分析和仿真实验阐述了问题产生的原因。(2) 针对Forrest阴性选择算法中运行时间与自体规模成指数级关系的问题,基于模式概念建立了与自体不匹配的检测器库,以便从中选择检测器。该检测器库存储了所有与自体不匹配的字符串个数,使得所占用的空间比所有与自体不匹配的字符串所占用的空间显著减少,而且运行时间与自体规模成线性关系,当自体规模越大,降低运行时间越显著。(3) 针对检测失败率随自体规模的增加而偏离期望值越大的问题,采用了一种新的检测失败率算法公式,使得检测器的个数能够自适应自体规模的变化。(4) 对改进算法进行了理论分析与仿真实验,并与原阴性选择算法进行了对比。结果表明,该算法比原算法,具有更快的运行速度和更低的检测失败率。(5) 对整个研究工作进行了总结,并对下一步的研究工作提出了展望。