生物免疫系统是一个具有高度并行性、分布性、自适应性和自组织性的系统,具有较强的学习、识别、记忆和特征提取能力。人工免疫系统是在生物免疫系统理论上发展起来的,它通过模拟生物免疫系统的信息处理方式更好地解决工程应用的相关问题,已被成功地应用于多目标优化领域。本文是基于人工免疫系统的偏好多目标优化问题,主要进行了以下三个方面的工作：在本文的第二章以非支配领域免疫算法为基础,设计了基于自适应克隆和差分进化的免疫多目标优化算法,该算法加入了自适应选择克隆和新的差分进化策略,通过新的差分进化策略,活性抗体种群中的支配解从非支配解那里获取信息,指导搜索过程,避免不必要的函数评价次数。实验分析证明,该算法在求解多目标函数优化问题时能够得到更加精确的Pareto前沿。在本文的第三章中介绍了偏好等级免疫记忆选择算法PISA,将上一章提出的新的差分进化策略和自适应选择克隆引入到PISA中,提出了基于自适应克隆和差分进化的偏好多目标优化算法IPISA。通过对比实验,在世代距离,均匀性和超体积指标上该算法都表现出一定的优势,但是在处理高维多目标问题时不能稳定有效地收敛到偏好区域。在本文的第四章中将传统的Pareto概念和光束搜索局部偏好模型结合,提出了基于偏好的支配关系—r-支配,并对该支配的阈值参数进行自适应处理,保证种群多样性,提出了一种r-支配偏好免疫算法r-PISA以解决偏好多目标问题。通过对比实验,r-PISA在处理高维多目标时也能够稳定有效地收敛到偏好区域。本课题得到国家自然科学基金(No.60803098)、国家教育部博士点基金(No.20070701022)、省自然科学基金(2010JM8030)、中央高校基本科研基金(No.K50511020014)的资助。