人工免疫算法是基于生物免疫系统的免疫进化机理和信息处理机制等原理发展起来的一种生物智能优化算法,具有生物免疫系统的一些优异特征,其相关研究成果在很多方面得到了广泛应用。因而,如何去挖掘免疫系统的这些特征优势,并且利用这些优良特性去改善其他智能算法的求解性能,建立起新的算法模型,用来解决新的工程实践问题,是一个值得研究的话题。本文在深入分析人工免疫算法的原理和特点后,借助已有的生物免疫学的理论基础,对生物免疫和人工免疫的运行机理、运行性能展开了深入研究,从另一种角度提出了一种新型免疫粒子群算法(Immune Particle Swarm Optimization,IPSO)。具体研究工作如下:(1)描述了免疫算法的一般性框架结构,深入探讨了几种典型免疫算法的免疫原理。对于具体的问题特点,定义了新的抗体浓度选择方法和免疫疫苗等操作,提高了算法的效率。(2)提出了 IPSO算法。该算法将人工免疫算法中的多样性保持机制、抗体浓度自我调节、免疫记忆和免疫疫苗等免疫思想和相关操作成功嵌入到粒子群算法中,改善了传统的粒子群算法收敛速度慢和在收敛后期易陷于局部最优的弊端。并通过实验验证了 IPSO算法的可行性和有效性。(3)将IPSO算法运用到离散状态下的组合优化问题中,以柔性车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)为例,首先给出了 FJSP 问题的数学模型结构。并且在分析了 FJSP问题的模型特征后,设计了新的抗体编码方式、抗体更新算子、抗体选择机制以及疫苗的选取方案和接种方式。实验结果表明该方案对于解决该问题可以获得更优的求解质量。