社会情感优化算法（SEOA）是通过模拟人类情感行为而构造出的群智能优化算法，该算法具有广阔的社会学和生物学背景，已被成功应用于团簇结构优化、电力系统无功优化等实际问题中。但由于该算法提出的时间比较短，目前对于它的应用研究还仅仅处于初级阶段，仍存在很多问题需要进一步地解决。为了能有效地改善社会情感优化算法的性能，本文引入情感强度定律，主要从两个角度对其进行改进，最后将其应用于实际优化问题中。第一，论文对社会情感优化算法做了具体的描述，然后分析其情感值的更新策略，在标准社会情感优化算法（SEOA）中，个体在更新的过程其情感值采取线性递减的方式，而在实际的情感经历过程中，当个体接近到最优值的时候，其情感强度值应该呈上升的趋势。因此本文根据情感强度第一定律，设计出新的情感更新策略，使其随自身和群体的社会评价值而变化。仿真实验结果也表明，改进后的算法具有更好的寻优能力，在收敛速度与精度上都有明显的提高。第二，随着对情感过程的进一步研究，我们发现情感强度值会随着时间呈负指数递减，即如果个体与周围临域的信息交互中断陷入孤立，则其情感强度值不是保持恒定不变，而是遵循情感强度第三定律，表现在算法中是可能陷入局部最优。本文从这一角度入手，加入了情感强度衰减策略，对算法进行改进，通过测试函数的仿真实验结果表明，改进算法的全局和局部寻优能力得到了进一步地平衡。最后，我们将本文改进的算法应用到计算判断矩阵的排序权重问题上。根据判断矩阵的基本性质，该问题可以转换为寻找最小的判断矩阵一致性指标所对应的各指标权重，本文采用改进的算法对该问题进行处理，通过算法的进化迭代找到一致性指标的全局最优值。与其他算法对比表明，本文算法性能良好，稳定性强。