演化算法是一种模拟生物演化过程与机制求解优化问题的一类自组织、自适应人工智能技术。协同演化算法是在演化算法的基础上发展起来的一种新的演化机制,它基于生物学协同进化论的思想,认为个体的进化不仅与所在的种群有关,同时不同种群之间也存在着竞争与合作关系。协同演化算法在种群、算子或策略的协同作用下,能够适应复杂系统的动态演化环境,以达到种群优化的目标。与普通的演化算法相比,协同演化算法不仅可以获得更高的性能,还具有稳定性和鲁棒性的优点。本论文主要从多策略角度出发,针对两种不同的优化问题,提出了两个新的基于混合策略的协同演化算法,主要工作如下：(1)针对单目标优化问题,在研究了相关算法优劣特性的基础上,提出了一种基于单点和粒子群算子的协同演化算法。标准函数集的测试结果表明,算法能够针对不同的优化问题自适应地调整自己的优势策略,其综合性能不仅优于纯策略的情况,而且优于随机组合策略的情况。(2)针对多目标优化问题,提出了一个混合粒子群多目标协同演化算法。标准函数集的测试结果表明,算法能够针对不同的优化问题,能够保证其收敛性能和分散性能,并且具有稳定性和鲁棒性的优点。(3)研究了算法在实际中的应用。组合投资问题是一个典型的多目标优化问题。本文利用设计的混合粒子群多目标协同演化算法直接搜索问题的解空间,获得了问题的有效前沿。这一方面检验了混合粒子群多目标协同演化算法的有效性,另一方面也说明了在实际应用中,混合粒子群多目标协同演化算法具有效率高、计算简单、适应性高的优点,体现了算法的应用价值。