模拟退火算法（SA）是在模拟金属退火的基础上提出的一种随机优化方法，具有结构简单、易于理解实现、不依赖于初始解的选择等优点。但是，SA算法存在收敛精度低，且严重依赖基于邻域的迭代机制等缺点，本研究针对上述缺点，采用7种状态变换算子增强SA算法的搜索能力，提出了一种新的状态转移模拟退火算法（STASA），具体研究内容如下：
　　（1）为了增强模拟退火算法求解旅行商问题（TSP）的效率，引入状态转移算法（STA）的3种离散状态变换算子，提出求解离散旅行商问题的状态转移模拟退火算法。针对连续的单目标函数优化问题，引入4种连续的状态变换算子且对算子的参数进行自适应调节，从而提出求解连续问题的状态转移模拟退火算法。
　　（2）在连续的单目标状态转移模拟退火算法中，引入Pareto支配的概念，提出求解多目标优化问题的状态转移模拟退火算法（MOSTASA）。通过在多个标准的有约束和无约束多目标优化问题上实验，计算所求Pareto解的收敛距离和空间距离，测试所提MOSTASA算法的有效性，并与几个经典的多目标优化算法比较验证所提算法的先进性。
　　（3）将提出的连续STASA算法结合最大类间方差（Otsu）和混合高斯函数两种图像分割建模方法，用于求解多阈值图像分割问题，并与状态转移算法、粒子群算法、差分进化算法和灰狼优化算法比较验证所提算法的有效性。
　　由于STASA算法中的每种状态变换算子都能够产生具有规则形状、可控大小的几何邻域，使得不同的状态变换算子可以满足全局搜索、局部搜索以及启发式搜索等功能需要。通过仿真实验表明，与其他启发式算法相比，所提STASA算法在求解旅行商问题、单目标函数、多目标函数和多阈值图像分割问题时，所提算法的求解精度更高，鲁棒性强，且收敛速度快。