多目标优化问题是进化计算领域的研究热点之一,人工免疫系统是借鉴生物免疫原理与生物免疫机制发展起来的智能系统。将人工免疫系统引入多目标进化算法目前已成为多目标优化中较有潜力的一个研究方向。本文主要研究了三种改进的免疫多目标进化算法,并将其应用于实际问题。具体内容如下:1.针对免疫多目标进化算法分布性欠佳的缺陷,提出一种基于自适应网格方法的免疫多目标进化算法。基本思想是:对抗体群进行免疫克隆、免疫基因和克隆选择操作后,利用自适应网格方法提高抗体群的多样性。仿真实验结果和统计指标显示,改进算法与常规免疫多目标进化算法相比较,在解的分布性方面有了一定程度的改进。2.在求解某些比较复杂的多目标优化问题时,精确地找出全部Pareto最优前端是非常困难的。为了更好地解决这一问题,在前人相关研究工作的基础上,给出一种双进化模式免疫多目标进化算法。该算法中有两个进化模块,目的是同时改善算法的收敛速度和种群的多样性。第一个模块通过使用由竞争个体组成的子种群来独立地优化每个子目标,此模块中采用不同的进化交叉以优化相应的目标函数。第二个模块采用自适应网络免疫多目标进化算法,通过克隆、选择等操作同时优化所有目标。选择标准测试函数对新算法进行了性能测试,并与其他算法进行了比较,验证了新算法的有效性。3.针对基本免疫多目标进化算法易早熟和局部搜索能力欠佳的缺陷,将多生境免疫多目标进化算法应用于无人机灾情巡查路径优化。基本思想是:在适应值共享的基础上,在选择算子中引入排挤机制,在交叉算子中采用间隔交叉,并使用最相似个体中适应度最差个体替换技术。数值实验表明,多生境免疫多目标进化算法可以大大提高种群的多样性,在一定程度上避免早熟,获得比基本免疫多目标进化算法更优的巡查路径。图[27]表[2]参[54]