人工免疫系统是以生物免疫学理论为基础的一个计算模型。而生物免疫系统是一个自组织、自适应并具有高度并行处理能力的强鲁棒性系统；又是一个具有多样性识别能力、增强性学习机制和分布式联想记忆的强大信息处理系统。基于其重要性、复杂性和难以理解的选择机制，生物免疫系统具有广泛研究价值，借鉴于生物免疫的人工免疫系统自然成为研究的热点。作为一种新生的智能方法，人工免疫系统目前缺乏系统性和一个统一的模型框架，并且还有许多应用领域有待拓展，算法的完善性也有待改进，基于此，本文力图从免疫算法的改进及应用领域做更深入探讨。 本文的主要工作包括： 1．本文在介绍生物免疫系统的工作原理的前提下，系统地分析了人工免疫算法的原理，收敛性，并对几类典型免疫算法做了较为详细的介绍，为后面算法的改进与新应用作了铺垫。 2．提出一个基于疫苗接种的改进免疫遗传算法求解TSP问题。在该算法中详细介绍了分区域提取疫苗及接种疫苗的过程；定义了一个新的抗体浓度公式；定义并引入了“能量函数”用于控制算法终止。理论分析及实验数据比较都证明了算法的高效性。该算法也可结合具体问题应用到其他组合优化问题中。 3．本文从拓展免疫算法的应用领域出发，结合小生境技术，详细设计一个改进的免疫算法应用于基于ICA的盲信号分离(BSS)。该算法的主要改进之处有：基于分享适应值的克隆选择算子，基于记忆库的交叉算子。文中还分析了该算法的收敛性及其他特点，之后给出了与其他几种算法的仿真实验比较。