免疫系统(Immune System)由于其在人体中的重要作用及其优良的功能特性，引起了人们强烈的研究兴趣。近年来，人们不仅通过现代技术手段对人体免疫系统的特性和机理进行了深入细致的研究，并且利用这些特性和机理设计出新的算法和模型应用于工程实践，以解决许多用传统方法无法解决的难题。这些源于免疫系统特性启示所构造的算法和系统，统称为人工免疫系统(Artificial Immune System)。 由于人工免疫系统只是近几年发展起来的新的研究领域，虽然关于它的研究已被越来越多的人所重视，并逐渐成为关于新的进化计算和模式识别方法研究的一个热点，但是，整个研究工作仍然显得比较零乱，缺乏系统性，有些方法名为人工免疫方法，实质是对原有方法的改造，失去了应用免疫系统的意义；另外，对于人工免疫系统的模型和应用缺乏深入的探讨，许多模型和方法并未真正体现出人工免疫系统的应用特点。 正是基于这样的认识，希望在人工免疫系统的算法实现、模型构造以及实际应用方面做更深入的探索。 研究工作从阅读大量的有关资料和深入的思考出发，首先对生物免疫系统的特性机理和人工免疫系统的研究及应用进行了更加系统化的、意义更加明确的总结，将现有的关于人工免疫系统的开发和应用划分为三个主要方向：免疫算法、人工免疫网络以及人工免疫系统；在此基础上，提出了人工免疫系统的一般模型框架的形式和主要功能特性——特征抽取。随后，以一般框架为指导，对人工免疫系统的基础——免疫算法作了深入的分析和研究，并给出了一种改进的免疫算法——多峰值搜索免疫算法(Multi-peaksSearching Immune Algorithm)，通过实验研究了算法的操作实现和参数选择对性能的影响，并比较了该算法和遗传算法的异同。接着，针对聚类分析问题和人工免疫系统的应用特性，构造出一种新型的人工免疫系统的应用形式——核聚类人工免疫网络(Kernel Clustering Artificial Immune Network)，同样通过实验对这一系统在聚类分析问题中的应用性能进行了讨论，证明了这是一种有效的聚类分析方法。 总的说来，经过一系列的研究和实验，主要的成果在于： 1．在认真分析和总结现有人工免疫系统的各种形式的基础上，提出了人工免疫系统的一般模型框架及其应用方向； 2．以一般框架为指导，以基于信息熵的免疫算法为基础，提出多峰值搜索免疫算法，并通过实验比较，将免疫算法与遗传算法区分开来，从而明确了免疫算法的研究意义和应用方向，同时还深入研究了该算法的性能特点； 3．基于对免疫系统的信息处理机制、已有的聚类分析方法和人工免疫网络模型的认识，结合一般模型框架，提出了核聚类人工免疫网络模型和算法。通过实验对该方