生物免疫系统是一种高度并行的自适应信息学习系统,它能自适应地识别和排除侵入机体的抗原性异物,并且具有学习、记忆和自适应调节能力,能够维护机体内环境的稳定。近年来,人们逐渐意识到生物免疫机制对开发新的计算智能的启示意义,人工免疫算法(Artificial Immune Algorithm, AIA)即是受生物免疫系统启示而设计的新型算法,已经用于机器学习、异常和故障诊断、机器人行为仿真、机器人控制、网络入侵检测等领域,表现出较卓越的性能和效率,它已经成为计算智能大家庭的卓有成效的新成员。本文对生物免疫系统的一些基本概念、系统组成、功能及原理进行了介绍;简单分析了人工免疫系统的研究内容、研究现状及基本理论;其次,对现已被提出的一些免疫算法的基本结构和流程进行了研究和分析。之后,在分析了动态规模免疫算法原理和性能的基础上,对原算法的亲和度、突变规则及抗体抑制规则进行了讨论与改进,提出了改进的动态规模免疫算法。文中编程实现了改进的动态规模免疫算法,提出了运输问题改进的动态规模免疫算法解决方案,并对三类运输问题——产销不平衡运输问题、受时间约束运输问题和变量有上界运输问题,分别进行了仿真实现。分析了改进的动态规模免疫算法的搜索速度及参数改变对算法性能的影响,验证了算法的有效性和鲁棒性。并通过与相关算法的实际结果对比,进一步说明了改进的动态规模免疫算法的改进效果。最后,本文针对克隆选择算法的不足进行了讨论及多方面的改进,提出了改进的克隆选择算法。然后实际编程实现了改进的克隆选择算法,提出了信道分配问题的克隆选择算法解决方案。对7个信道分配基准测试问题进行了仿真实现,分析了改进的克隆选择算法的搜索速度及参数改变对算法性能的影响,验证了算法的有效性和鲁棒性。并与其他算法的实际结果进行了比较,进一步说明了改进的克隆选择算法的有效性。