粒子群优化算法是一种模拟自然界生物活动以及群体智能的随机搜索算法，由于其结构简单、寻优速度快，现己广泛应用于科学和工程领域。大量的研究结果表明，粒子群算法在求解连续空间和离散空间问题时均表现出较好的全局搜索能力。但是，在实际应用过程中，人们也发现粒子群算法存在一些随机搜索算法比较普遍的缺点，如易出现早熟收敛、进化后期收敛速度慢等。本文提出了一种高效的免疫粒子群算法模型；最后将免疫粒子群算法与现代自抗扰控制理论相结合提出基于免疫粒子群的混沌系统自抗扰优化控制方法和基于免疫粒子群的并联有源电力滤波器自抗扰优化控制方法。主要研究工作包括以下几个方面：1.针对粒子群算法的缺点，本文提出了一种新的优化算法——免疫网络粒子群算法。该算法是在粒子群算法的基础上，引入了人工免疫系统中的克隆选择机制和免疫网络思想。经典的测试函数结果表明，改进后的算法明显提高了粒子群体的多样性和算法的求解精度，避免了粒子群算法易出现早熟收敛和进化后期收敛速度慢等缺点。2.非线性混沌系统行为轨迹复杂，运动轨迹难以预测，自抗扰控制器(ADRC)是一种不依赖于精确模型的非线性鲁棒控制方法，但控制器参数难以确定。利用免疫粒子群算法的强全局搜索能力及快速实时性，对自抗扰控制器参数进行优化，应用于混沌系统控制，构建一种基于免疫粒子群算法的混沌系统自抗扰优化控制器；并成功应用于混沌系统控制，取得较好的控制效果。3.并联电力有源滤波器是一种非线性、多变量、强耦合的系统，对其建立精确的数学模型比较困难，自抗扰控制器(Active Disturbance Rejection Control,ADRC)是一种不依赖于精确系统模型的鲁棒控制方法，但控制器参数难以确定。本文提出一种并联型有源滤波器的自抗扰优化控制算法，同时利用改进免疫微粒群算法对自抗扰控制器参数进行全局优化；实验结果表明，文中的控制策略不依赖于精确的对象模型，有效抑制高频干扰对APF补偿性能的影响；较好地控制有源电力滤波器，且具有较好的动态特性和较强的鲁棒性。