人工免疫系统是一种基于人类免疫系统的机理与功能以及相关的免疫学说理论而发展起来的,人工免疫算法是一种用于解决复杂优化问题的高度并行自适应信息学习系统,是继神经网络、进化计算、模糊运算之后的又一类新型的智能算法,是生命科学和计算机科学交叉学科的研究热点之一在分析抗体群的多样性特性和抗体产生过程的基础上,受生物遗传信息表达过程的启发,本文对基于DNA的人工免疫算法及应用进行了深入的研究。主要的研究成果如下：(1)使用DNA编码方式对人工免疫算法中的抗体进行编码,并将基因层次的DNA分子操作引入到抗体的产生过程中,提出了一种基于DNA的人工免疫算法。该算法中设计了交叉算子和变异算子,丰富了抗体产生的过程,增强了抗体群的多样性。通过求解不同维数的测试函数优化问题的对比试验研究,验证了该算法的有效性。(2)针对传统人工免疫算法的抗体相似度判定准则的不足,提出了一种基于码权重伪矢量距的人工免疫算法。该算法根据基因位置的不同赋予不同的权重,体现出高低位基因差异对于抗体解码的影响,克服了传统人工免疫算法仅从候选解空间衡量抗体相似性的不足,增加了适应度值空间的判定标准。通过求解典型的无约束测试函数的寻优实验,验证了该算法对于抗体多样性改善的有效性,将该算法用于求解伺服系统PID控制器参数优化整定问题,取得了满意的动态品质。(3)提出了一种基于多样性评价的双种群人工免疫算法。该算法将原有抗体群作为主抗体群,引入一个对偶抗体群,后者通过评价个体群内距离以及群间距离来指导主抗体群进化,并通过与主种群的群间杂交策略来改善主抗体群的分布情况,从而提高算法的搜索能力。通过对典型测试函数寻优以及电动汽车防抱死控制系统的PID控制器参数优化整定的实验,验证了该算法的有效性。