人工免疫系统模拟了生物免疫系统的优良特性，是一种具有多样性、免疫记忆能力、自组织、自学习、自适应、鲁棒性很强的人工智能系统。本文主要在探索了解了生物免疫系统及其运行原理的基础上，重点研究了其中蕴含的免疫进化学习机制，探究出一种十分有效的人工免疫系统算法，并用它来解决实际中遇到的NP难背包问题。本文主要研究免疫克隆选择算法（CSA）的改进方法，首先利用自适应调节对基本克隆选择算法进行改进，形成自适应克隆选择算法（ACSA）；其次运用动态分配抗体群策略、调整变异概率策略、克隆变异策略对自适应克隆选择算法进行改进，形成改进型自适应克隆选择算法（New-ACSA）；最后结合动态规划算法探讨出了解决NP难组合优化问题中背包问题的一种智能算法——动态规划自适应克隆选择算法（DP-ACSA）。通过对自适应克隆选择算法的收敛性分析，并与基本克隆选择算法的仿真结果比较，事实表明前者在求解函数最优解问题时性能要优于后者。而相比较之下，改进型自适应克隆选择算法在种群进行克隆选择时具有一定的针对性，加快了它的全局搜索速度，仿真结果表明这种算法的可行性以及有效性。最后将改进型自适应克隆选择算法用于解决背包问题时，引入了动态规划策略，利用动态规划的最优决策原理，对未成熟优良子群体提供的信息修改个体基因位来改善种群的质量，通过对背包问题的仿真试验表明，该算法比一般克隆选择算法能更快的找到最优解，性能更好。