粒子群优化算法是基于群智能方法的演化计算技术,它是一种基于群体的优化工具,同时也是一种基于迭代的优化工具。粒子群优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解,系统初始化为一组随机解,通过迭代搜寻最优解,粒子(潜在的解)在解空间追随最优的粒子进行搜索。粒子群优化算法具有算法简单、搜索速度快且范围大等特点,只需很少的代码和参数,容易实现且易于调整参数,所以被广泛应用于各个领域。但在长期的实践中发现粒子群算法存在易过早收敛的缺点,考虑到人工免疫算法可以利用免疫系统的多样性来保持群体的多样性,基于此本文将人工免疫思想引入粒子群优化算法中,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是：将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。数值分析和实验表明,改进后的混合算法不仅具有粒子群优化算法的优点,还有效的保持了群体多样性,避免了过早收敛的劣势。将粒子群算法和免疫粒子群算法同时应用于物流配送中心选址问题,对算法的性能进行了比较,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。