随着近年来计算机应用的推广，人们对网络流量的需求以及网络规模的要求也越来越高，网络的飞速发展导致了时有网络拥塞现象的发生。为了保证网络的正常运行，就需要更高的网络服务质量（QoS）来满足网络发展的需求。网络拥塞的存在制约着网络的发展和应用，采取合理的措施来预防和控制网络拥塞的发生有着极其重要意义。用传统优化的方法来控制网络拥塞虽然在不断的完善，但是总存在这样或者那样的问题。近年来，针对传统优化算法的不足之处，国内外的学者将智能优化算法应用到网络拥塞控制当中，通过智能优化算法来实现网络拥塞的控制成为了当前的一个研究热点。智能优化算法通过无意识的寻优行为来适应生存环境和优化生存状态的一种新型优化算法，到目前为止已经出现了多种智能优化算法。本文将人工免疫算法和粒子群优化算法结合在了一起应用到网络拥塞控制当中，具体的研究内容如下所述：（1）首先对网络拥塞现象、网络拥塞的成因、网络拥塞控制机制及其网络拥塞控制算法进行了分析，并对仿真软件NS2的应用进行了分析。（2）建立了研究网络拥塞控制的网络拓扑模型，并对网络拓扑模型和网络路由进行了分析和探讨。在对网络路径优化分析的基础上提出了网络拥塞路径优化问题。（3）将人工免疫和粒子群优化算法结合给出了一种免疫粒群优化算法。该算法将免疫算法中的免疫信息处理机制融合到粒子群优化算法当中，根据粒子群算法的收敛速度快的特点，利用人工免疫算法的特征多样性避免粒子群优化算法陷入局部解，提高了粒子群优化算法的后期收敛速度。（4）给出了一种基于免疫粒群优化的网络拥塞控制算法。以资源的消耗和负载均衡分布为网络路径优化目标，在满足带宽、时延、费用、等多项指标的前提下，使负载尽量均衡分布在有宽裕资源的链路上，提高了网络的吞吐量和传输效率，可有效的实现网络拥塞的优化控制。仿真结果表明了算法的有效性和可靠性。