人工免疫系统(AIS)是一新的模拟自然免疫系统的人工智能方法,它受生物免疫机制的启发,通过学习外界物质的自然防御机理的学习技术,提供噪声忍耐、自组织、自学习、记忆等进化学习机理,结合了分类器、神经网络和机器推理等的特点。因此具有提供解决问题新颖方法的潜力。其研究成果涉及控制,数据处理。优化学习和故障诊断,目前已成为继神经网络,模糊逻辑和进化计算后人工智能的又一研究热点。本文基于抗体克隆选择以及免疫记忆机制,系统探讨了几种人工免疫系统方法,其中包括免疫克隆策略算法、免疫记忆动态策略算法以及免疫记忆策略算法。并且讨论了免疫克隆算法的在一般测度空间上的收敛性及收敛速度问题。通过相应算法在函数优化,组合优化等典型复杂问题中的应用,验证了研究的结果,肯定了其具有解决复杂问题的潜力。论文的主要工作可总结如下:1.由生物引发的信息处理系统可以分为:神经网络、进化计算和人工免疫系统,其中神经网络和进化计算已被广泛地应用于各个领域,而人工免疫系统由于其复杂性,应用相对较少,随着人们对免疫系统机理的进一步揭示,人工免疫系统的研究将在各个领域发挥其重大作用,从而带给人类社会更大的进步。本文系统阐述生物免疫系统被人工免疫系统所借鉴的相关机理,并简要论述人工免疫系统的算法研究和应用研究,总结免疫算法的一般步骤。2.作为生物免疫系统的重要理论假说,克隆选择学说所描述的记忆、学习和进化等特性越来越受到人工智能研究者的重视,但是国内外相应的研究成果很少。本文基于克隆选择机理,提出了多克隆算子和单克隆算子,并进一步研究了利用克隆算子而构造的新的人工智能算法—免疫单克隆策略算法和免疫多克隆策略算法。我们发现克隆算子的实质是在一代进化中,在侯选解的附近,根据亲合度的大小,产生一个新的子群体,从而扩大了搜索范围,多克隆算子还实现了子群间的信息交换,提高了算法的收敛速度,理论分析与仿真实验表明,与传统进化策略相比,免疫克隆策略算法的收敛速度有较大提高,解的多样性明显优越于传统的进化策略。3.为了模拟生物免疫系统的自我调节及记忆机理,并且借助这些机理来有效改善人工仿生算法,本文提出了免疫记忆动态克隆策略(IMDCS),该算法的特点为:(1)评价标准计算是计算亲和度(Affinity),包括抗体-抗原的亲合度