免疫系统、遗传系统以及神经系统三者,具备大规模并行信息处理能力、强大的学习能力、记忆能力、识别能力、自适应性和鲁棒性、自组织能力和保持多样性的能力。早熟收敛,容易陷入局部最优是标准遗传算法存在的致命。通过适应度尺度变换来调节选择压力是克服这一缺陷的主要方法。但适应度尺度变换是依赖于问题的,通用性稍差。通过对高等脊椎动物免疫系统的了解,我们得到了解决问题的一些启示:针对遗传算法早熟收敛,容易陷入局部最优的缺陷,将免疫浓度调节机制引入到遗传算法,形成免疫遗传算法。免疫遗传算法采用适应度和浓度两个指标对个体(抗体)作出进化评价,有效地调节了选择压力,保持了群体的多样性,克服了遗传算法早熟收敛的弱点,提高问题解的质量。在对现有免疫遗传算法研究的基础上,提出一种基于百分比的抗体相似度定义方法,由此形成一种改进的免疫遗传算法,有效提高算法计算速度、克服早熟收敛。克隆选择学说是用来解释生物免疫系统如何消除外来抗原的机制。克隆选择算法采取亲和度为比例的繁殖和变异策略,通过搜索周边的空间,实现局部的优化,由此实现对全局的优化。针对目前克隆选择算法多峰寻优能力弱的缺陷,在研究经典克隆选择算法的基础上,提出一种改进的克隆选择算法,仿真实验证明该改进算法的有效性。基于“克隆选择、阴性选择、免疫网络”等免疫学原理,人工免疫网络通过模拟免疫网络对抗原的刺激过程,有效地解决数据聚类问题。聚类问题可视为一种多峰优化问题,由此提出了一种面向多峰值函数优化的人工免疫网络算法。该算法能够有效提取出目标函数的绝大部分局部峰值,并具备群体数量自动调节和实数编码等优良特性,但有时会出现早熟现象。针对该缺陷,提出一种改进的人工免疫网络,实验证明改进的人工免疫刚络能够有效克服早熟现象。比例-积分-微分控制器由于算法简单、鲁棒性好、可靠性高,能提供比其它控制器更高的性能/价格比,因而在工业界得到广泛应用。传统的PID参数整定在控制非线性、时变、耦合及参数和结构不确定的复杂过程时,性能大大降低。采用免疫算法(免疫遗传、克隆选择)对PID控制器参数进行优化,从而获取性能优越的离线PID控制器参数。