花授粉算法（Flower Pollination Algorithm,FPA）是模拟植物花朵自花授粉和异花授粉行为而提出的一种新型启发式优化算法,该算法的异花授粉过程和自花授粉过程分别通过全局搜索行为和局部搜索行为来实现,并利用随机扰动行为来均衡两种搜索强度。该算法结构简单,可调节参数少,搜索能力强,易于理解和实现。自提出以来就受到国内外学者的广泛关注,且在诸多复杂的实际工程优化问题中取得成功。但随着研究的逐步深入,人们发现该算法在后期收敛速度慢,且易陷入局部最优等,从而限制了算法的应用范围。本论文主要针对花授粉算法的不足进行分析和改进,目的在于提高花授粉算法的整体性能,拓宽其实际应用范围。研究内容主要包含以下三个方面:（1）将花授粉算法与风力驱动优化算法相结合,提出一种风力驱动花授粉算法（WDFPA）,风力驱动策略极大地提高花授粉算法的全局搜索能力,提高了算法的收敛速度。将WDFPA用于29个标准测试函数及2个工程实例,与其它改进版本的花授粉算法和6个经典智能优化算法分别进行对比,实验结果表明WDFPA的优越性能。（2）引入蝴蝶觅食策略,提出一种蝴蝶策略花授粉算法（BFPA）,目的在于增大算法的搜索空间,提高种群的多样性;引入甲壳虫触角搜索策略,增强了算法局部搜索能力,提高了算法在执行后期的寻优精度,在过程中,使得算法具备整体更优的性能。将BFPA应用到3个不同阶数的IIR滤波器的问题中,实验结果表明了BFPA解决实际问题的性能。（3）将花授粉算法应用于求解彩色图像颜色量化问题,利用K-均值聚类的彩色图像颜色量化为基础,实现图像颜色等效置换,实验结果表明,花授粉算法能改善图像的色彩质量,减少色彩在量化过程中的损耗,以最优的色彩数量呈现最好的图像量化效果。