智能优化算法因其具有鲁棒性强、收敛快和求解质量高等优点被广泛应用到许多领域。因此,智能优化算法的研发工作显得十分重要。本文主要研究入侵杂草优化算法的应用与改进。将入侵杂草优化算法分别应用于确定越流含水层参数和一维水动力弥散实验中的参数,然后采用变异策略对算法进行改进,改善算法自身的缺陷,提高算法的性能,并将改进的入侵杂草优化算法应用于确定各向异性含水层参数。主要内容如下:1、介绍入侵杂草优化算法的由来和国内外研究成果,对入侵杂草优化算法的原理与基本步骤做详细阐述,分析了入侵杂草优化算法的优缺点。2、将入侵杂草优化算法应用于确定越流含水层参数和一维水动力弥散实验中的参数,通过与其他方法计算结果比较和与实际数据吻合程度分析,表明入侵杂草优化算法对两种模型中参数的计算结果的可靠性,并且能在较短的时间内得到较精确的计算结果;待估参数的初始取值范围对入侵杂草优化算法的收敛率和运算时间有细微的影响,但不会影响入侵杂草优化算法的计算结果和收敛性。3、针对入侵杂草优化算法自身的不足,采用变异策略对算法进行改进。将高斯型混沌变异算子、差分变异算子和两者的混合变异算子引入入侵杂草优化算法中。在函数测试和确定各向异性含水层参数的实例中,从计算结果、运行时间和影响算法的两个参数方面对三种改进的入侵杂草优化算法进行数值实验,实验结果表明:采用变异策略对入侵杂草优化算法进行改进是有效可行的。