随着各种优化问题规模的变大、维度的增加以及复杂度的不断变高,传统优化技术已经不能满足不断增长的新需求,元启发式算法的提出给人们在优化领域提供了新的探索方向。花授粉算法是一种新型的元启发式智能算法,其思想来源于植物花授粉的过程,该算法参数少,寻优能力强,鲁棒性高,已被广泛应用在各个领域的优化求解问题中,但其自身也存在一些不足。本文在深入分析基本花授粉算法的基础上对其进行改进研究,并将改进的花授粉算法应用在社交网络的用户身份识别问题中。主要工作包含以下几个方面:(1)提出基于动态全局搜索和柯西变异的花授粉算法(DCFPA)。该算法利用混沌映射增强花粉种群初始分布的随机性和均匀性;针对基本花授粉算法前期容易陷入局部最优陷阱的问题,在原有算法的基础上引入平均最优花粉位置和动态权重递减因子,引导算法在迭代过程中保证正确的搜索方向,避免算法在前期因缺乏全局信息而过早收敛于局部最优的缺陷;此外,利用Cauchy变异,使种群表现出多样化的性能,帮助算法逃离局部极值。设置6个测试函数进行实验,证明DCFPA算法在解决早熟收敛和跳出局部极值方面的提升效果。(2)提出了基于反向学习和t分布的自适应花授粉算法(OTAFPA)。利用反向学习策略增加初始种群的质量,同时使种群趋于多样化;为了平衡全局寻优和局部寻优能力,在原有方法的基础上构造动态转换概率,提高了算法的灵活度和自适应能力;最后利用t分布变异,帮助算法逃离局部极值。通过8个测试函数进行实验,验证了OTAFPA算法在寻优能力、收敛速度和求解精度上的提升效果。(3)将改进的花授粉算法应用于跨社交网络的用户身份同一性判别问题,利用改进花授粉算法自身的优势来提升BP神经网络阈值和权值的选择质量,在处理好的数据集上进行判别实验,验证了改进花授粉算法的有效性。