智能优化处理静态优化问题的研究已有长足进展,为快速、有效求解复杂工程优化问题提供了极为重要且成熟的解决方案;动态优化已受到科技人员的足够重视,并在近年已有较多创新性成果。随机规划作为具有广泛工程应用背景且有别于静态、动态优化的特定类型不确定规划,因随机因素对求解过程的干扰,使得这类问题的算法研究尚未取得重大进展。为此,本文围绕随机变量的分布特性未知环境下一般单目标约束或非约束期望值非线性规划、非约束多目标期望值非线性规划以及单、多目标机会约束非线性规划问题,探讨随机变量的样本下界估计模型、自适应采样算法和个体质量辨析模型,以及从人工免疫系统中免疫优化角度,展开相应随机规划模型的新型免疫优化算法、计算复杂度、性能比较性分析、参数灵敏度分析、算法应用等研究。取得的成果不仅有助于拓宽研究免疫优化的视野,丰富和发展人工免疫系统的内涵,而且也为工程优化设计领域提供新型的且有潜在应用价值的优化技术。主要成果概括如下:1、针对非约束单目标多模态期望值规划问题,通过引入检测最优解的局部检测随机性能指标,转化其为特定类型的多目标期望值规划问题,探讨二者的解关系,获得寻求多个局部或全局最优解的有效途径。针对该多目标优化问题的样本依赖近似化模型,设计递归非支配分层方法和自适应采样模型,并融合克隆选择原理蕴含的免疫学习机制,获得能有效执行个体比较和抑制随机噪声的新型多目标免疫优化算法。展开该算法的计算复杂度分析、性能测试和工程应用研究。数值实验表明,单目标期望值规划问题多目标化求解是可行的,得到的算法能获得所有局部、全局最优解的几率较大。2、针对约束单目标期望值规划问题,探讨该模型与其对应的样本依赖近似化模型之间的解关系,获得新的样本下界估计模型,并基于此提出目标期望值估计和约束估计算法。针对单目标机会约束规划问题,利用最优预算配置算法估计目标期望值;通过设计新型自适应采样检测算法,估计机会约束的概率和辨析个体的经验可行性。进而,针对此两种问题,利用各自的目标估计和约束处理算法,以及借助克隆选择原理蕴含的免疫机理,分别设计新的自适应采样免疫优化算法,并展开它们的计算复杂度、比较性的数值实验、算法应用等研究。数值实验表明,这两种算法在求解各自对应的优化问题时,无论是噪声的抑制能力与搜索效果,还是寻优效率均具有明显优势,是具有潜在应用价值的新型智能优化算法。3、针对非约束多目标期望值规划问题,基于Hoeffding不等式,尝试性地研究该问题与其样本依赖近似化模型的解关系,获得一种随机向量的样本下界估计模型,进而设计自适应竞赛分层算法和聚合度模型辨析进化群体中高质量和多样的个体。最后,借助免疫应答中B细胞和T细胞相互作用的机理,构建人工免疫优化模型和设计新型免疫优化算法,并展开算法的计算复杂度、性能测试、算法应用等研究。数值实验表明,该算法求解复杂的多目标期望值规划问题具有明显优势,是一种具有潜在应用价值的新型智能优化算法。4、针对多目标机会约束规划问题,研究该问题与其样本依赖近似化模型的解关系,获得随机向量的样本下界估计模型,并基于此设计自适应采样算法处理机会约束。进而,基于免疫学中危险理论蕴含的免疫机理设计新型多目标免疫优化算法。展开算法的计算复杂度、比较性分析和算法应用研究。数值实验表明,该算法求解较为困难的标准测试问题和工程应用问题已初显其优越性,具有较好的工程应用潜力。