蚁狮算法是受自然界蚁狮狩猎蚂蚁行为启发提出的一类群智能优化算法。蚁狮算法模拟蚁狮幼虫构建陷阱、蚂蚁随机游走和蚁狮狩猎蚂蚁等行为,具有全局搜索能力。蚁狮算法作为一类新型仿生群智能优化算法,具有原理简单、易于使用、搜索效率和收敛精度高等优点。本文在前人的研究基础上,对蚁狮算法进行改进研究,并将其用于求解化工过程建模优化问题中。本文的主要工作如下:(1)提出了一种改进的自适应蚁狮算法。该算法针对基本蚁狮算法存在的缺点,引入了自适应蚁狮权重系数并改变了蚁狮陷阱范围参数,以平衡算法的全局搜索能力和局部搜索能力。通过典型测试函数的寻优实验验证了所提算法的有效性。(2)提出了一种基于树和种子搜索策略的蚁狮算法。该算法利用树和种子算法的局部搜索策略,通过控制参数ST确定个体的进化方式,提高了算法的局部搜索能力。通过典型测试函数的寻优实验和求解超临界水氧化反应动力学模型参数辨识问题,结果验证了该算法的有效性。(3)提出了一种改进的混合差分蚁狮算法。该算法将差分算子和交叉概率引入蚁狮算法,以提高算法的搜索精度;并利用种群的进化信息,自适应调整蚁狮权重系数,改善了算法的鲁棒性和搜索效率。将所提算法用于典型测试函数的寻优实验和建立氨合成塔出口氨含量软测量模型,实验结果验证了该算法的有效性。