现有的计算智能算法主要模拟了物理化学规律及动物的社会行为,对于植物的生长模式尚未给予足够重视。由于植物对环境的适应能力较强,生长速度较慢,因此,模拟植物的生长过程为高维多模态优化问题的求解提供了一种新的思路。论文从植物的生物学背景出发,考虑植物生长的一些机制,如光合作用机制、向光性机制等,引入了一种新型随机算法——人工植物算法。该算法利用仿真技术,研究光合作用机制、向光性机制对植物生长的影响。以此为基础,结合植物学研究成果,建立起人工植物算法的框架,并给出光合作用算子、向光性算子的具体实现形式。将人工植物算法用于混沌系统控制时,取得了较好的低维优化效果。但是,对于中高维优化问题,其优化的效果并不令人满意。于是,再次考虑植物的生理特征,提出带顶端优势机制的人工植物算法。顶端优势是植物调节自身生长量的一个主要环节,并且可以通过人工干预的方式去除。将其设计为算法的算子时,可以避免陷入局部最优。由于带顶端优势机制的人工植物算法中含有的参数较多,对算法性能的影响也比较大。为了确定哪组参数能使算法获得更好的性能,利用试验设计的方式对其进行了参数选择。正交试验设计筛选出对算法性能影响较大的六个参数,均匀试验设计选择出使算法的性能更优的参数组合,从而达到改善算法性能的目的。