人工免疫算法是借助和利用生物免疫系统的性质和机制,用于解决工程和科学问题的一种新型的软计算方法,已经成为人工免疫系统理论及其应用的重要研究内容。本论文以优化问题为主线,主要对人工免疫网络算法和克隆免疫算法进行研究,并且讨论了人工免疫算法在核医学分子影像中的应用。本文的工作主要集中在以下几个方面:1、首先研究用于药代动力学参数优化的人工免疫网络PKAIN算法。扩展PKAIN算法,将其应用于核医学分子影像动力学参数估计。对18F-FDG小鼠PET显像的影像数据进行示踪剂动力学建模,设计人工免疫网络算法估计模型参数,并与核医学定量分析软件KIS在线系统和其他随机优化算法进行比较,实验结果表明PKAIN算法寻优能力效果良好,可作为PET分子影像动力学模型的参数估计工具,可为构建精确可靠的PET分子影像动力学建模方法提供软件技术支持。2、改进人工免疫网络PKAIN算法,并应用于求解核医学分子影像动力学参数。首先,引入协作的思想,增加全局粒子群协作算子使人工免疫网络中的记忆细胞具有粒子的特性,从而通过个体间协作共享寻优经验。其次,对PKAIN算法中的变异操作进行研究,提出基于单点变异方法。实验结果表明改进的方法增强了算法的寻优能力。3、核医学动力学建模问题中的同时估计(SIME)方法是将多个目标线性加权转变为单目标问题求解。本文在SIME领域新提出多目标思想,面向应用设计并实现了一种新颖的用于求解多目标优化问题的PKICA算法,并将该算法应用于SIME问题。PKICA算法遵循克隆选择原理,由一系列适应多目标优化问题的算子组成。通过对测试函数的求解,与粒子群算法和遗传算法比较,结果表明,算法具有较强的全局搜索能力、较好的收敛能力以及很好的保持多样性的能力,从而证明了该算法的有效性。将PKICA算法应用于SIME仿真实验,结果表明,多目标处理方法寻优能力优于传统的单目标处理方法,能够获得准确稳定的模型参数。