免疫算法作为三大模仿人体机制的算法之一,有着较强的全局收敛性,高效的并行记忆功能,良好的嵌入性能。它与鸟群算法,粒子群算法组合形成新的混合算法并应用于PID控制器参数整定和肺结核模型参数估计是本文研究的焦点内容。对于PID(Proportional Integral Derivative)控制器采用ITAE误差性能指标作为目标函数,并利用基于Levy飞行策略和精英免疫策略的自适应鸟群算法对其进行参数整定,对于肺结核模型采用最小二乘法构建目标函数,并利用基于反向学习策略的自适应免疫粒子群算法对其进行参数估计。以下是本文的一些主要工作和结论:(1)利用精英免疫策略及其他改进方式改进鸟群算法,并进行应用。动态调整鸟群算法中的惯性权重,社会系数,认知系数,飞行频率,同时对觅食者采用Levy飞行策略,对跟随者采用精英免疫策略,将改进的鸟群算法应用于PID控制器参数整定。通过数值仿真表明:改进后算法的相对误差从24%降到5%,使得PID控制器的性能达到了最优。(2)将半精英免疫策略及其他改进方式加入粒子群算法,并对改进算法进行应用。让惯性权重和影响度系数随着个体的进化而改变,进而实现粒子群的自适应,对种群初始化采用反向学习策略,对种群按期望繁殖率分层,并对期望繁殖率低的个体进行半精英免疫,将改进的算法应用于肺结核模型参数估计。通过数值仿真得到:改进后算法的相对误差从41%降到1.74%,并将计算结果反演得到理论数据,与实测数据进行拟合,两者能够完美吻合。