优化命题存在于许多领域,在国民经济的发展中有着巨大的应用前景。随着优化对象复杂化和规模化的提高,其目标函数呈现非线性、约束性、多目标、多模态性,甚至非连续或非解析性的特点,基于严格机理模型的传统优化方法在实施方面变得俞加困难。现代智能优化算法通过“拟物”与“仿生”,形成大规模并行且具有自组织、自适应、自学习等智能特征的计算系统,为复杂优化问题的解决提供了一条十分有效的新途径。与传统的优化方法相比,它具有无集中控制、多代理机制、算法结构简单、隐含并行性、易理解和易实现的优点,在实现生产过程的优化、提高生产效率与效益、节省资源等方面逐步发挥着重要作用。人工鱼群算法是一种基于模拟鱼群行为的优化算法,它具有对目标函数、初始值和参数设定要求不高,具备并行处理能力和全局寻优能力等方面的优点。本文主要研究了人工鱼群算法的改进与应用,主要研究内容如下:对人工鱼群算法中拥挤度因子的性质、特点、作用机理,及其对优化结果的影响进行了全面分析,并选取测试函数进行验证。实验结果表明,拥挤度因子在克服局部极值、改善收敛速度和精度方面没有明显的优势。因此,实际运用中,可以忽略拥挤的因素,在简化算法的同时,拥有很好的收敛速度和优化精度,并保持较强的克服局部极值的能力。在对人工鱼群算法的寻优机理深入分析研究的基础上,提出了四种自适应人工鱼群算法,通过赋予人工鱼更多的智能,使每条人工鱼都能根据鱼群的状态自动选择并适时调整自身的视野和步长,从而简化了参数设定,提高了收敛速度和寻优精度。实验结果表明,改进后的人工鱼群算法,在寻优精度、收敛速度及克服局部极值能力方面均有很大提高。将人工鱼群算法应用于无线传感器网络的覆盖优化中,利用传感器节点的移动性,提出了一种基于人工鱼群算法的分布优化机制。仿真结果表明,该方法能够在目标区域内以较小的代价完成传感器网络节点的分布优化,提高网络的整体覆盖率。