在人工免疫系统中,匹配规则是算法模型的一个核心部件,但存在缺点,即参数亲和力阈值难以设定以及因固定设置而失去自动适应“自我”的改变。本论文通过模拟T细胞的培育机制,包括阴性选择和阳性选择,提出了基于最大、最小自我亲和力两个参数的匹配区域模型,从而用区域匹配规则替代了传统匹配规则。由于最大、最小自我亲和力是通过同“自我”比较而得到的,匹配区域能自动跟随“自我”的改变而改变。本文利用该规则分别对阴性选择算法、静态克隆选择算法、基本扩展的非我选择算法进行了改进。通过模拟实验验证,算法具有自适应能力。本文也提出了误报率的控制参数,并进行了实验论证。此外,在T检测器培育算法中,本文对不同选择操作对种群变化的影响程度进行了分析;在改进的静态克隆选择算法中,基于规则学习的基因表达方式同匹配规则相结合,从而能够灵活表示分类规则间的或关系,使算法能够更有效地生成检测器;在基于区域匹配模型的动态阴性选择算法中,对算法运行功率等特征进行了实验分析。