优化问题是指在所有解空间中求取最佳解的问题,如旅行商问题、背包问题和资本预算问题等,较有代表性的经典优化算法,如梯度下降法、共轭梯度法、拉格朗日乘数法等,但是这些经典算法在解决复杂的高维问题和求解全局最优化问题等方面,存在诸多不足,难以得到较好的效果。近年来,群智能优化算法因其适用范围广、操控简单等优点受到了科研工作者的青睐。群智能优化算法启发于自然界中蚂蚁、蝙蝠、鱼群等生物群体行为机制,单个生物的个体行为看似简单,但大量的简单个体通过相互协作则表现出复杂的行为特征,从而完成极为复杂的任务。群智能优化算法研究是当前智能优化领域研究的热点,已成为交叉学科中一个非常活跃的前沿性研究方向。典型的群智能算法,如蚁群算法、粒子群算法等,已广泛应用于诸多领域的复杂问题的优化求解。蝙蝠算法是近年来发展起来的一种模仿蝙蝠超声波回声定位的仿生学群智能算法。该算法中个体行为简单、无中心点控制、调控参数较少,且易于实现,但是该算法也存在找到局部最优解后易陷入停滞状态、个体单一地向当前种群最优解学习会丧失多样性等问题。目前蝙蝠算法的研究主要集中在算法的改进、算法的参数设置、算法的收敛性以及与其它算法的融合研究等方面。为了提升该算法的优化能力,本文提出了一种改进的新型蝙蝠算法（Improved Bat Algorithm,IBA）,并将IBA算法应于背包问题和图像融合领域。本文的主要研究内容和取得的成果如下:（1）针对蝙蝠算法中存在的多样性差、易陷入局部最优、求解效率慢、寻优精度低等问题,提出了一种基于多策略改进的新型蝙蝠算法（IBA）。首先,依照个体前后两代适应度值的差值,赋予个体速度不同的权重,从而使得精英个体更能够更好地引导种群进化;其次,信息交互机制改善了原始算法只学习当前群体最优造成的易丧失多样性问题,分阶段做法平衡了算法全局探索寻优和局部精细搜索;再次,局部搜索生成新解时,加入柯西扰动来解决算法陷入局部最优问题;最后,重新定义脉冲发射率和响度更新方程式,以提高算法的效率和精度。实验结果表明,IBA算法较BA、PSO、ABA、GCBA算法,具有更好的寻优效果。（2）针对0-1背包组合优化问题,分别在8个经典0-1背包问题数据集上采用BA、DE、GA、PSO与IBA算法进行性能和精度测试,实验结果显示,IBA算法在性能和精度方面,均优于实验对比算法,其逼近甚至找到相应问题的理论最大价值量所需迭代次数在五种求解算法中最少;尤其是面对高维背包问题,在五种求解算法中,其多次实验方差波动幅度最小且横向比较最好。（3）针对图像融合问题,IBA算法优化小波变换图像融合的关键参数,提高其自适应能力,取得了较好的图像融合效果。小波变换应用在图像融合领域时,高频分量部分采用系数方差最大法可以较好地保留图像的细节特征;而低频分量部分具体融合方案取决于匹配度和阈值的相对关系。实验者根据以往经验或者少量测试实验结果设定适应性系数和融合阈值等核心参数,缺乏灵活性、易出现过拟合现象,融合图像的质量往往不理想。应用IBA优化小波变换图像融合关键参数以达到根据具体融合场景自适应设置的目的。实验选取了医学、多聚焦、以及遥感三类图像,通过观察图像融合效果并结合图像质量函数评估结果可知,本文所提方法要优于传统小波、主分量分析法、加权平均法等经典融合方法。