群智能优化算法作为当前优化算法中的一个主要研究热点,经过近年的发展,已经发展为较为新颖的演化计算技术,受到越来越多不同领域研究工作者的关注.群智能优化算法比传统优化方法求解各种复杂优化问题上表现出了更好的高效性以及稳定性,并且算法的结构和操作性相对简单,隐含并行性,容易理解和编程,因此在优化技术应用上有较强的实用性,具有一定的现实意义.本文首先介绍了群体智能优化算法研究背景、意义及其国内外研究现状和应用情况.本文的主要研究工作如下:1.通过模拟蒲公英飘落繁殖过程,提出了一种新的群体智能算法——蒲公英智能优化算法(Dandelion Optimization Algorithm,简称DOA),蒲公英智能优化算法为解决优化问题提供一种新的基础算法.模拟蒲公英在繁殖过程中飘落生长的植物特性,以弥漫式并行搜索方式对解空间进行搜索,直到找到最优解为止.然后,针对蒲公英智能优化算法存在的不足,对算法的参数进行深入研究,并对飘落半径r的递减方式进行深入探讨,使得蒲公英算法充分发挥其优势.2.通过理论推导,证明了算法的收敛性.并在此基础上,对文中的权重因子进行改进,提出一种自适应因子的改进蒲公英算法.数值对比实验表明了改进算法具有更好的收敛速度和求解精度.3.将蒲公英智能优化算法应用于实际,求解固定费用运输问题和投资组合优化问题.并且在求解精度和算法有效率上与其他算法进行了比较。