1、傳統(tǒng)的遺傳算法雖然在理論上已經形成了一套較為完善的算法體系并在許多優(yōu)化問題中都有成功的應用，但其本身還存在一些不足，例如局部搜索能力差、存在未成熟收斂和隨機漫游等現(xiàn)象，從而導致算法的收斂性能差。這些不足阻礙了遺傳算法的推廣應用。如何改善遺傳算法的搜索能力以使其更好地應用于實踐，是各國學者一直探索的一個重要課題。近年來在生物學領域的研究發(fā)現(xiàn)免疫行為能夠很好地防止早熟現(xiàn)象，有效地提高尋優(yōu)速度——因而免疫原理對改進和提高遺傳算法的性能具有重要

2、的啟迪作用。 本文通過對生物體實際免疫行為的模擬而提出的一種免疫遺傳算法(ImmuneGeneticAlgorithm，IGA)，彌補了傳統(tǒng)遺傳算法的缺陷。為了從數學角度更加深入地分析IGA的優(yōu)化能力及相關性能，利用隨機過程理論和鞅理論等知識對IGA進行了分析，并證明了IGA的幾乎處處強收斂性及其他相關性質。再利用范數理論對IGA的收斂速度進行了研究，得出了定量表達式。另外，本文通過簡化生物免疫響應機制而提出了人工免疫調節(jié)策略(

3、ArtificialImmuneAdaptiveStrategy，AIAS)并用于實現(xiàn)CSTR系統(tǒng)跟蹤控制，實際應用效果令人滿意。 本文的研究和貢獻主要有：1、避開了常用的遍歷性分析，通過建立IGA數學模型，運用鞅理論對免疫遺傳算法進行具體分析，先確定出種群鞅性質的確定，其后便進一步通過引理證明了IGA對于最優(yōu)解集幾乎處處強收斂性，從而為IGA一般收斂性方面的研究開拓了一條新的思路。2、通過對狀態(tài)轉移矩陣的形式分析及范數的引入，

4、確定了IGA演化到吸收態(tài)的時間。通過組合計算和對不同免疫算子的獨立分析最終得到了IGA收斂速度上界的定量表達，結合免疫參數對如何進一步改善算法優(yōu)化效果進行討論。理論分析的結果對于合理選擇算法的參數和設計更適宜的適應值表達式等以有利于改善算法優(yōu)化性能將有一定的幫助。3、從詳細研究生物免疫系統(tǒng)響應原理及免疫細胞結構入手，著重分析了T細胞的三種不同類型和對應作用以及免疫系統(tǒng)具有控制調節(jié)和免疫優(yōu)化的功能、抗體細胞雙官能的特點，融和多種免疫特點提