本论文从信息学科背景出发,结合多领域不同学科的相关内容,研究复杂网络中小世界网络模型和免疫计算中克隆优化算法的有机融合以及应用。复杂网络理论一方面是我们研究多种智能优化算法的工具,另一方面其本身也是我们的研究对象。在分析小世界网络中信息传递动力学的基础之上,结合免疫计算,本论文构造了二类算法模型:网络特征算子免疫优化模型和网络拓扑结构免疫优化模型。以这二个模型为理论根基和指导,针对不同的问题设计构造了多种新的免疫小世界优化算法,主要工作可以概括如下:1)以小世界网络中信息的传递动力学分析为基础,提出了网络特征算子免疫优化模型(Immune Optimization Model of Network Feature,IOM-NF)和网络拓扑结构免疫优化模型(Immune Optimization Model of Network Structure,IOM-NS)。IOM-NF模型着眼于网络模型的属性特点,通过构造具有相关网络特征的算子来设计新算法。IOM-NS模型侧重于考察网络的拓扑结构,以群智能算法为研究对象,考虑作为种群结构的复杂网络拓扑模型对算法性能的影响。这二类算法模型为本论文之后各章的具体工作奠定了坚实的理论根基。2)以IOM-NF模型为基础,针对无约束优化问题、合取范式可满足性问题、和线性系统逼近问题,分别提出了相应的算法,取得了较满意的结果。在无约束优化问题求解中,基于Kleinberg网络搜索模型构造了社会网络搜索免疫优化算法(SNSIA),通过对三组实验28个基准测试函数的仿真验证了算法的有效性。在合取范式可满足性问题的研究中,引入量子计算技术,结合生物物理学中的协同策略,设计了量子免疫协同小世界优化算法(QICAS),有效的解决了SATLIB库中“Uniform Random 3-SAT”问题集。在线性系统逼近问题的处理中,引入社会科学计算中经济管理论中的和谐管理思想,构造了和谐进化免疫信息网络优化算法(HEIN),通过“和则”规则集与“谐则”规则集的有效结合,HEIN中种群多样性得到很好地保持,进而对线性稳定系统和线性非稳定系统的逼近问题取得很好的结果。3)在IOM-NS模型下,以集群算法的典型代表粒子群算法(Particle Swarm Optimization,PSO)为研究对象,针对约束优化问题,提出了基于Newman-Watts小世界模型(NW小世界模型)的动态网络结构免疫PSO算法(DNIPSO)。该算法中各粒子初始时位于一个k近邻耦合网络上,之后随着粒子的不断进化,其种群结构也依据NW网络结构的演化规则而不断演化,使得粒子种群结构由规则网络逐渐演化为NW小世界网络。当算法进行到搜索后期,由于种群结构演化的完成,粒子群体的种群结构演化为全连通网络,完成了算法中种群结构的整个动态演化过程。同时,在DNIPSO算法中,通过对每代最优粒子pbest执行免疫学习算子,实现了算法全局勘探与局部开发的有效结合。对10个约束函数的测试验证了该算法的有效性和鲁棒性。4)针对社会网络聚类问题,结合免疫Memetic算法和社会计算学中的强弱关联属性理论,提出了免疫Memetic关联学习算法(IMRLA),来挖掘社会网络的社团结构。这里我们将复杂网络结构本身作为研究的对象,通过设计相关免疫算法优化模块度函数,从而挖掘和理解社会网络的社团结构关系。通过对三个真实数据集社团结构的划分实验,验证了所提算法的有效性。5)针对图像分割问题,将免疫小世界优化算法与阈值判断法相结合,提出了针对图像分割问题的免疫协同小世界优化算法(ICSO-IS)。该算法引入针对图像分割问题的个体协同策略,通过优化整幅图像的信息熵函数,求得最佳阈值,进而对图像目标区域和背景区域做出正确划分。该工作不仅验证了具有网络属性特征的免疫优化算法的性能,更为实现多学科融合方法的实际应用开拓了新的视野。