果蝇优化算法是由台湾学者潘文超在2011年提出的一种基于果蝇觅食行为的一种新型元启发式优化算法。相比其它一些群智能优化算法,果蝇算法拥有结构简单、参数少、易调节、易于理解和实现等优点,因此,越来越被国内外学者所关注,逐渐成为计算智能研究领域的热点研究分支之一。目前,果蝇优化算法己成功应用于优化支持向量机参数、广义回归神经网络参数、灰色神经网络参数、置换流水线调度、TSP以及多维背包问题等。随着应用研究不断深入,人们发现该算法仍然有一些不足,如易陷入局部最优、寻优精度不高、以及不适合处理白变量为负值等。本文针对该算法的不足,通过分析,采用一些演化融合策略,以改进果蝇优化算法的不足,并提出一些改进版本果蝇优化算法。目的在于提高果蝇优化算法的优化性能,完善果蝇优化算法的理论基础。本文主要取得以下成果：(1)针对果蝇优化算法易陷入早熟收敛和寻优精度不高等缺点,提出了一种基于速度变量的自适应果蝇优化算法。该算法的思想是基于果蝇的飞行特性,借鉴粒子群优化算法中粒子速度的概念,在果蝇优化算法的基础上,通过加入粒子速度变量参数来改进果蝇优化算法的收敛速度.实验表明改进后的果蝇优化算法收敛速度和收敛精度有了明显的提高。(2)为拓展个体基因包含的信息量,将复数编码的双倍体思想引入果蝇优化算法中,提出了一种基于复数编码的果蝇优化算法,其目标函数自变量的大小是由其相对应的复数模所决定,符号则是由相对应的复数的幅角所决定,实验结果表明了该算法的有效性。(3)将Levy飞行的思想引入果蝇优化算法中,采用Levy飞行能增强算法跳出局部最优的能力,提出一种基于Levy飞行的果蝇优化算法。实验结果表明改进算法可有效的提高求解精度同时加快了算法收敛速度。