近年来,传统优化方法在解决复杂实际工程最优化问题时的弊端日益暴露,已无法适应多极值、难建模、多约束的问题需求,群智能优化算法在此背景下提出并因其优点得到快速发展。Passino于2002年受到大肠杆菌觅食行为的启发,提出了细菌觅食优化算法(BFO),它是一种简单有效的随机全局优化算法,因其群体并行性及局部搜索能力强等优点受到关注,为很多传统优化方法无法满足的实际工程问题指明了新方向。然而,BFO算法提出的时间比较晚,还不够完善,且国内也是从2007年才开始研究,算法缺乏全局空间寻优能力,且在求解高维多模态优化问题时易陷入局部最优,引起早熟收敛。因此,对该算法的深入研究亟待开展。本文研究了细菌觅食优化机制的原理,并针对经典BFO算法寻优精度低、易陷入局部最优等缺点,提出了一种改进算法——变概率的混合细菌觅食优化算法(VPBFO)。采用随机化佳点集方法生成初始种群及迁徙后的新个体,使菌群搜索空间更均匀、不重复,且保持了解空间的多样性;受粒子群算法启发,提出了反映细菌个体认知及社会学习能力且变权重系数的趋化方向计算策略,结合变次数游动策略,提高了解的精度及算法的搜索效率;设计了一种变概率的迁徙操作,帮助菌群在整体停滞不前时快速跳出局部极值,而在菌群寻优时则“不打扰”当前的进化机制及细菌已获知的学习信息,避免发生精英细菌的“逃逸”现象,由此加快了算法的收敛速度,避免了早熟收敛。实验结果表明,本文提出的VPBFO有效提高了算法性能,在全局收敛能力以及优化精度和速度等方面均有了较大提升,表现更优。研究了群智能优化算法在工程最优化问题的应用及图像处理技术,针对现有灰度图像增强技术细节处理不足,变换后图像直方图分布偏移的情况,提出了一种新的图像增强思路。该思路将细菌觅食优化映射到图像增强问题中,用非完全Beta函数的参数组合作为初始菌群,将变高维的灰度图像增强问题转化为固定2维的非完全Beta函数的参数最优化问题,同时在衡量图像增强的效果时,引入一种新的目标函数评价算法性能。仿真实验表明了本文方法的有效性,其增强后的图像与其它方法相比,细节表现更自然,直方图分布更均匀,明暗区域分配更合理。针对变概率的混合细菌觅食优化算法,如何合理地选择和调整控制参数是影响算法性能的关键;且在优化高维函数时,改进算法在求解精度方面的表现仍有提高空间。后续工作将继续研究算法参数设置的规律,同时进一步改善VPBFO的性能。另一方面,BFO算法提出较晚,其在工程最优化方面还有很多尚未开发的领域,比如图像恢复、彩色图像增强、支持向量机等等,后续将尝试将VPBFO应用于其它研究领域。