多年以来，包括人类自身在内的自然界生物一直是科学家和工程师感兴趣和关心的焦点，是科学研究的重要内容和方向。通过对它们的研究，人类不仅掌握了许多对于人类来说曾经是奥秘的自然界信息，更重要的是利用这些奥秘继续维系人类认识自然、征服自然进而与自然和谐共处的旅程。免疫系统是一种高度进化的生物信息处理系统，能够识别和消除病原体，具有学习、记忆和模式识别能力，因此可以研究借鉴其信息处理机制解决工程和科学问题。 Agent这个概念来源于人们对人工智能的认识：人工智能的最终目标就是要实现具有智能的能够代替人类来处理事务的“代理”。正因为如此，所以在Agent研究的早期阶段，人们对Agent的心智状态的研究投入了大量的精力。许多模型与理论相继产生，譬如，Cohen-Levesque的BDI模型、RaoGeorgeff的BDI模型等。但是，随着对Agent研究的深入，人们对Agent的认识已经广泛化了。Agent已经变成了一种描述复杂现象、研究复杂系统、实现复杂自适应性计算的方法。 基于独特型免疫网络理论和Multiagent系统理论，本文提出了一种新的人工免疫系统模型-基于Multiagent独特型免疫网络，并且给出相应的算法。该模型中把免疫网络中的每个B细胞表面的每个抗体看作Agent，它具有感知局部环境，竞争，协作等能力。每个B细胞对应的一组抗体组成问题的解空间的一个解，通过网络的动态变化以及Agent之间的协作、学习使得网络中的个体包含问题的满意解，从而达到解决问题目的。在实验中，利用典型的NP问题—TSP问题来验证算法的有效性，结果表明该算法是有效的。