克隆选择算法是根据生物免疫系统中的克隆选择学说而提出的一种仿生智能计算方法，该算法依据亲和度，对抗体进行不同程度的繁殖和变异操作，具备较强的自适应能力、学习能力和保持种群多样性的能力，已在众多实际工程领域中得到了广泛的应用。但算法本身也存在一些缺陷，如求解精度不高、收敛速度较慢及易出现早熟收敛等。因此，对克隆选择算法的改进研究已成为热点课题。在算法原理及其改进原则研究的基础上，本文提出一种改进算法－混沌云克隆选择算法(CCCSA)。其基本思想是：利用混沌序列初始化种群，提高初始种群的质量，以提高算法的求解精度；在算法进化的过程中融入基于云模型的变异算子，改善种群多样性，防止陷入局部最优。标准函数测试结果表明，改进算法求解精度高，收敛速度快。但该算法在解决高维(10维以上)、复杂函数问题时，其优化性能欠佳，为此，在混沌云克隆选择算法框架的基础上，融入文化算法，利用文化算法信念空间的知识结构指导种群的进化过程，增强算法搜索的方向性和目的性，以提高算法的全局搜索和局部精细搜索能力。典型函数测试结果表明，改进的算法能有效防止早熟收敛，具有较强的全局搜索能力。自抗扰控制器参数众多难以优化，制约了该控制器在工程上的广泛使用，因此，控制器的参数整定优化已成为研究的热点。通常，对其性能影响比较突出的(01,02,03,1,2)5个参数进行整定优化。因此，本文中将混沌云克隆选择算法应用于二阶自抗扰控制器的参数优化整定，以时滞系统为受控对象，参考ITAE性能指标建立目标评价函数。仿真对比实验结果表明：优化整定的自抗扰控制系统，不仅具有优良的控制性能，而且具有较强的抗干扰能力。