多模态优化问题在现实生活中有着重要的应用价值，对于这一类问题的求解主要应用仿生智能算法.本文通过对免疫克隆算法和萤火虫群体优化算法的深入了解，在原有算法模型的基础上进行改进，提出了用于解决多模态函数优化问题的两种新的算法，并进行数值实验分析.本文的主要研究工作包括以下两个方面：　　 1、受免疫原理中抗原与抗体识别过程所特有的生物特性的启示，提出了一种用于求解多模态优化问题的变N-免疫克隆选择算法.该算法根据抗体所携带基因位数来确定抗体生成规模，采用整体等量克隆策略，使得初始种群中的每一个抗体经过克隆、变异以后拥有了各自的搜索群体.结合生物免疫系统中的免疫记忆因素，采用精英保留策略，对变异操作进行有效调整，避免了算法停滞，保证个体一直向更好的方向搜索.最后对几个经典的测试函数进行算法性能分析，检验结果表明了算法的有效性。　　 2、首先在原有萤火虫群体优化算法的基础上，加入自适应步长的思想，改进后的算法避免了算法时间复杂度的冗余性，使得萤火虫个体能够更加快速、准确的收敛到目标位置.其次将免疫克隆算法与萤火虫群体优化算法相结合，提出了免疫一萤火虫混合优化算法.该算法在较高维空间的多峰函数优化问题中效果鲜明。