果蝇是一种对运动目标的变化极为敏感的昆虫,其视觉系统能实时感知运动目标的运动行为,此独特的视觉响应特性为计算机视觉提供了新的生物理论基础。将果蝇的视觉信息处理机制与群智能优化中的种群进化思想结合,可建立介于计算机视觉与进化计算之间的视觉进化神经网络模型与算法,此将成为智能计算中具有潜在价值的研究分支。基于此,借助果蝇的视觉神经生理学理论与物种进化机制,探讨求解含不等式或等式约束的单目标优化问题和有界变量约束的双、高维多目标优化问题的高效优化方法,并展开算法的计算复杂度分析和比较性的数值实验研究。研究成果对促进进化计算与计算机视觉融合发展有一定的推动作用,且能为最优化问题的解决提供新方案。主要工作和取得的成果如下:1、针对含等式、不等式约束的函数优化问题,借助候选解构建状态矩阵,并将状态的目标函数值视为灰度值,得到灰度图;然后,基于果蝇的视觉神经生理学理论,建立改进型果蝇视觉神经网络模型;将此神经网络的输出作为学习率,利用群智能优化算法中种群进化的思想进行状态更新,获得果蝇视觉进化神经网络模型与算法。计算复杂度分析表明,该算法的计算复杂度主要由神经网络的输入规模及优化问题的维度确定。数值实验分析表明,此算法的搜索效果较为稳定,获得的解的质量较好。2、针对有界变量约束的双目标优化问题,首先探讨结构简单、可调参数少的改进型果蝇视觉神经网络,以及借助粒子群优化中粒子位置更新规则设计改进型粒子更新策略;然后,将神经网络的输出作为学习率,依据改进型粒子更新策略更新状态矩阵,并利用非支配分层法和拥挤距离法对外部档案集进行更新。由此,获得基于果蝇视觉进化神经网络的双目标优化算法。比较性的数值实验显示,该算法获得的解的质量高,且搜索效果稳定。3、针对有界变量约束的高维多目标优化问题,通过改进和简化已有果蝇视觉神经网络的结构,建立具有多输出功能的改进型果蝇视觉神经网络;随后,通过改进粒子群优化算法的位置更新策略,得到多策略状态更新规则,并用于状态矩阵的转移;利用基于松弛支配关系的非支配分层法和基于角度选择策略的拥挤距离法对外部档案集进行更新。由此,获得果蝇视觉进化神经网络算法。比较性的数值实验显示,该算法在求解质量和搜索效果的稳定性方面有明显优势。