群智能优化算法是近些年专家学者们广泛关注的领域之一，它是模拟昆虫的觅食和信息交互的过程新型仿生算法。萤火虫算法作为群智能算法中的一种，也受到专家学者的青睐，一直以来也是人们广泛研究的领域之一。萤火虫算法是根据自然界中萤火虫同伴之间传递信息或吸引食物的过程模拟而来的，发光弱的萤火虫总是会向发光强的萤火虫移动，在此基础上学者们研究出了萤火虫算法，利用其解决寻优问题，基本萤火虫算法中每个萤火虫是一个独立的个体，它们具有自己的感知能力和搜索半径，所以它在寻找局部最优解和全局最优解方面都有很好的能力，而且算法过程可以并发进行，节省寻优时间。但是，算法本身也存在些许不足。比如，在寻找局部最优和全局最优之间的平衡能力较弱，在位置迭代的过程中的收敛速度较慢等问题。针对这些不足我们对标准萤火虫算法进行了两点改进：（1）改变ξ值。ξ值的大小在平衡全局搜索和局部搜索之间起到至关重要的作用，所以一个合理的ξ值，ξ值的大小意味着算法找到的是否就是全局最优解，本文提出了一种ξ的改进方法，提高算法在局部和全局搜索之间的平衡，提高算法的准确率。（2）改变γ0值。在标准萤火虫算法中，γ0是一个常数，在寻优过程中不会发生改变。而γ0的值控制了算法的搜索方式，为了加快算法的收敛速度，我们引入参数p对γ0的值进行控制，是算法在迭代初期主要进行全局搜索，而在迭代后期在所有局部最优中进行局部最优解的寻找，这样加快了算法的收敛速度。改进后的算法无论是在全局搜索和局部搜索之间的平衡方面，还是在收敛速度上都优于标准萤火虫算法。本文接着讨论了改进后的萤火虫算法的两个应用。（1）改进后的萤火虫算法在节点定位算法中的应用。无线传感器网络节点定位一直以来也是人们研究的热门领域之一，它的许多应用已经渗入人们的生活。比如，对恶劣环境的监测、目标追踪以及在医学方面的应用。在诸多应用中最重要的问题则是传感器节点定位的问题，正确的节点位置才能使人们得到正确的信息，以便于正确的进行下一步的判断，我们改进的萤火虫算法在节点定位中有着良好的效果，与传统定位算法相比，误差大大减小，使节点定位的精度大大提高。（2）车间作业调度问题一直以来也是人们关注的领域，利用有限的资源创造出更高的利益，也是人们关注的问题，然而，怎样合理的调度则在这方面是最主要的问题。在车间作业调度中怎样合理的利用有限的机器，尽快完成所有工序的处理，使完成时间最小化，是此类问题的关键。车间作业调度问题是离散函数问题，所以我们用特定的编码方式对算法进行离散后，在机器和工序的调度上起到很好的作用。与标准萤火虫在车间作业调度上的应用相比，改进后的算法更优，使最大完成时间更小。