文化算法是基于遗传算法的一种改进算法。由于在进化算法的种群空间的基础上引入了信仰空间的概念，文化算法能够相对于普通进化算法有更快的收敛速度，更能够有针对性地进行向最优解收敛。如果把遗传算法看成是对于自然界除人类外动植物的进化过程的模拟，那么文化算法就可以看成是对于人类进化过程的模拟。人类社会之所以进化速度比其他生物要快就是因为人类进化过程中有文化的传承，同样地，文化算法引入了能够保留各代进化优良信息的信仰空间，在种群空间每一代的进化过程中进行积极地指导，进化速度明显快于只应用种群空间进化的算法。然而由于国内外对于文化算法的研究仍然处于初级阶段，文化算法的应用领域也比较局限，因此对于文化算法的更进一步研究，包括参数选择和在实际问题中的应用显得特别重要。本文主要研究文化算法在基准测试函数中的应用，并讨论文化算法各参数选择方法，之后对算法进行改进，最后将改进文化算法应用在被控对象模型参数辨识和控制器参数优化中，具体归纳如下：设计实验对文化算法处理两种基准测试函数性能进行仿真研究。结果表明文化算法处理复杂无约束和有约束优化问题性能较好。设计实验分别研究参数变化对于文化算法处理基准测试函数性能的影响，为参数选择提供实验依据。针对文化算法处理无约束最优化问题提出一种带智能伸缩因子的文化算法仿真结果表明加入伸缩因子能够使文化算法对大部分的无约束优化问题有加速效果；针对文化算法处理有约束最优化问题提出信仰元优化划分的文化算法并应用典型有约束最优化问题进行仿真验证，结果表明该方法相对基本文化算法能够明显减少迭代次数。将文化算法及其改进应用在控制理论中以验证其优化性能。通过应用文化算法进行被控对象参数辨识、PID控制器参数优化和模糊控制器参数优化并与遗传算法和粒子群算法进行对比，认为文化算法在处理此类最优化问题有让人满意的速度优势。