近年来，在信息科学和生命科学相互交叉渗透的研究领域，由生物免疫理论启发的人工免疫系统，是继人工神经网络和遗传进化计算之后，计算智能领域中的又一个研究热点，在国际上引起了越来越多学者的极大兴趣，研究方向已涉及优化计算、网络安全、病毒检测、故障诊断、控制工程和数据分析等诸多领域。本文主要进行了免疫进化计算及其应用于多模态优化和网络安全方面的研究工作。 本文的研究内容和主要贡献可归纳为以下六个方面：1.以免疫系统本身的智能化机制和从中抽象出来的数学模型为理论依据，构建了一个具有方法论意义的通用免疫进化算法模型框架；利用马尔柯夫链理论进行了算法的收敛性证明和计算复杂性分析；实施了求解TSP问题和对经典测试函数的仿真实验，并通过与传统算法的比较，验证了免疫进化算法的有效性及其应用方向。2.基于通用免疫进化算法的模型框架，设计了一套完整的多模态优化问题的求解体系和若干多模态免疫优化算法；对不同算法分别进行了大量的实例研究和仿真实验，并通过与其它同类算法的比较，验证了各自的有效性、自适应能力和较少的计算量。3.从理论上分析、提出并证明了多模态优化算法的完全收敛性问题；设计了多模态免疫优化算法中典型免疫算子的实现形式，并通过形式化的定义、运行机理分析和严格的数学推理，证明了其完全收敛性、收敛的稳定性、快速收敛能力及较低的计算复杂性等等，基本形成了完善的免疫进化计算的基础理论和应用体系。4.设计了一种基于双重免疫算法的动态模糊系统模型，用于抗体基因的生成；并提出了一种集成负选择算子的免疫多克隆选择算法，用于抗体基因的进化。5.以通用免疫计算框架为指导，结合粗集理论的属性约简算法，设计了一个基于免疫Agent的分布式网络入侵检测模型；并实际开发了一个具有基因进化能力的自适应免疫入侵检测原型系统。6.模拟生物免疫系统的多层防御机制，研究并提出了一种动态网络安全免疫体系，创造性地设计了一个包括防护、检测、响应、容侵和恢复等五层防御机制的集成网络免疫系统分层模型，并简单探讨了该模型的自学习、自组织和自适应能力。 这些研究内容和贡献支持的主要结论是：基于免疫理论的进化算法整体上优于传统进化算法，尤其适合于对多模态优化问题的求解，可保证实现多模态问题的完全收敛和自适应搜索，具有广泛的实际应用价值；免疫系统与网络安全系统具有自然的机理相似性，其抗体进化机制可用于实现自适应的智能入侵检测系统和动态的分布式网络免疫体系。