物联网服务系统应具备智能化学习、处理、决策和控制的能力。然而要实现此目标,仍面临诸多挑战。当前物联网智慧化服务还比较薄弱,亟待提升与服务需求智能适配的信息资源协调能力、智能化决策控制能力等。设计自治的服务协同调控方式是实现物联网动态适配以及全局最优服务的关键。本文借助神经系统主导、内分泌调节、免疫系统防御等生物网络调节机理和启发式智能思想,围绕物联网服务资源协同调控与优化问题,针对智能物联网服务建模、静态请求序列的服务提供、动态请求序列的服务提供、协同进化等问题展开了一系列深入的研究。本文旨在深入挖掘物联网服务系统中请求与服务之间深层次隐含关系,研究从基础层候选解到高层精英解的金字塔式的进化模式,兼顾和保持收敛性与多样性的平衡,构建合理、高效的协同调控与优化算法。本文主要工作如下:(1)对农业物联网和物联网服务的基本特征、研究背景、研究目标等内容进行了概括,并对神经-内分泌-免疫调控体系以及各系统之间的联系进行了简要介绍,分析了生物体系的调控机理应用于解决物联网服务提供问题的可行性,为研究物联网服务资源自治分配、智能协同、调控与优化等相关问题提供了基本思路。(2)针对物联网服务数据具有多源、多类型、任务量不均衡的特点,本文考虑了随机时刻的多请求,构建了农业物联网服务场景及单目标优化模型,深入研究了内分泌系统的激素调节规律,设计了自适应免疫算法,并将其应用到农业物联网服务设备的选择。仿真实验结果表明该算法在农业物联网服务应用场景中的有效性和可行性。(3)物联网智能设备不仅提供服务还考虑优化分配异构资源以减少服务提供者的能源消耗和服务时间。针对此问题,本文构建了物联网服务多目标优化模型。借鉴免疫系统和内分泌系统的协调机制,提出了一种分层协同进化多目标优化算法。其中,设计了子算法-基于全局排序的带疫苗的多目标免疫算法来选择更优的抗体。在高层种群中采用聚类方法,使操作更具方向性和目的性,以实现自适应搜索。此外,利用人类遗忘记忆机制设计了两级记忆存储,用于解决高层解的选择问题。仿真实验结果表明了所提算法在农业物联网服务应用中具有较强的搜索能力和较好的鲁棒性能,可以获得全局更优的聚合服务。(4)为求解物联网服务系统中任意时刻随机动态请求的多目标优化问题,本文提出了一种生物启发的自学习协同进化动态多目标优化算法。基于人体神经-内分泌-免疫系统的相互调节机制,设计了三层递进式进化框架。第一层由多个子种群协同进化,以获得多样化的Pareto解。基于第一层获得的解,第二层旨在进一步增加解的多样性。第三层采用自适应梯度精细化搜索策略和动态优化策略,对第二层的解进行细化,以应对时变的并发的多个服务请求,有效提高了解的精度。基于两种服务提供策略——单服务和协同服务,对农业物联网服务场景中不同分布下的动态请求进行了实验。结果证明了所提算法获得的性能指标较好,能够获取全局最优调控方案,实现了物联网动态服务的环境适配性。最后,对全文中所研究的物联网服务资源协同调控与优化问题做了总结,指出这一领域中亟待解决的问题,以及对未来研究的发展方向和方法做了展望。