进化算法是一种基于生物自然选择与遗传机理的随机搜索与全局优化方法，该算法的核心思想源于生物进化历程。而生物从简单到复杂，从低级到高级的进化过程是一个自然的、并行发生的、稳健的优化过程。近年来，进化算法已被大量应用于求解复杂的优化问题并广泛应用于工业与工程领域。但由于在实际应用中进化算法早熟收敛，收敛速度慢的现象时有发生，这在一定程度上限制了进化算法的发展和应用。 本文简要回顾了进化算法的发展历程，在分析进化算法的优越性与其不足的基础上，借鉴混沌理论、生物免疫记忆与多样性和种群协同进化机制，提出了两种新型混合进化算法——免疫协进化算法与混沌免疫协进化算法。 免疫协进化算法的核心是利用种群竞争与协同的内在关系，进行全局与局部搜索分离的两层自适应搜索，从而改进了现有的进化算法中的外在自适应操作算子。算法机理分析表明免疫协进化算法是可行的。它既在一定程度上避免了复杂的自适应操作算子设计，又能够解决进化算法在进化过程中早熟退化和局部收敛的问题，同时该算法的仿真试验与TSP问题的求解也说明了该算法较简单遗传算法、进化规划和一般的免疫算法更为有效。 混沌的遍历特性可作为搜索过程中避免陷入局部最小的一种优化机制。而混沌操作能够遍历一定范围内的所有状态，又可以作为一种提高搜索效率的手段。