径向基函数(Radial Basis Function,RBF)神经网络以其深厚的生理学基础、简单的网络结构、快速的学习能力、优良的逼近性能,在函数近似、模式识别、信号处理、系统辨识等领域取得了广泛的运用。人工免疫系统(Artificial Immune System,AIS)是近年来兴起的一个研究领域,人工免疫系统与人工神经网络的混合应用也成为人们的研究热点,越来越多的研究者采用进化计算(Evolutionary Computation,EC)来设计RBF神经网络参数。隐节点中心的选取一直是各种RBF网络学习算法面临的主要问题之一,为提高RBF网络的性能,在RBF网络现有学习算法的基础上,本文提出了改进的模糊聚类算法,还将微分进化与免疫算法相结合应用到RBF神经网络的参数优化设计中,取得了以下成果:(1)分析了现有的RBF网络学习算法在隐节点中心选取、宽度确定和权值优化等方面的优缺点;(2)把微分进化思想和免疫算法相结合,提出基于微分进化免疫的RBF网学习算法,将该方法用于优化RBF网络隐节点参数以改进RBF网络的性能;(3)把减法聚类和模糊c-均值聚类相结合,提出改进的模糊聚类算法,增强了网络对离群点的鲁棒性,同时缩短了网络的训练时间;(4)分别用基于微分进化免疫的RBF网络学习算法和改进的模糊聚类算法训练RBF网络,验证了算法的有效性,效果较好。最后,本文对所做的研究工作进行了总结,并对以后的研究内容进行了展望。