随着现代社会的不断发展,计算机技术从一开始能满足人们需求的简单应用,到后来发展为复杂的、多功能的、高效率的智能人工科技,期间计算机技术获得了跨越式的发展,并且还在进行不断的优化,只为了去追求更高的性能,给人们带来更好的便利和体验感,在此期间人们发挥了自身的努力与才华并通过大量的理论和实验创造出了充满智性的元启发式算法,作为对该类算法的深入研究和不断衍生在近年诞生了一个较为新颖且运用潜力巨大的算法------果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)。FOA是研究员潘文超由观察果蝇觅食行为而产生的创意之作,该算法虽然结构简洁但又不失智性,参数不多且令人容易掌握,时间复杂度低适用于各大应用,该算法提出以来便被众多学者广泛使用与研究。但是该算法本身存在一些不足之处,例如:在迭代过程中易陷入伪目标源范围值,在高维度环境下求解多极值问题时容易出现早熟现象,求解数据的精度值不高,达不到预期效果等。为了解决上述问题,本文提出了一种新型的自调节步长果蝇优化算法(Self-Change Step Size Fruit Fly Optimization Algorithm,SCFOA),并将该算法运用到求解0-1背包问题和图像融合上。主要的研究内容如下:(1)本文提出改进步长调控策略来强化FOA的寻优能力。主要使用浓度差值变化率实时调控步长距离。当算法处于迭代寻优前期,此时浓度差值变化率较大,说明果蝇群体离目标较远,应该加大步长,提升全局寻优的速率。到了迭代后期,浓度差值变化率变小,说明果蝇群体离目标值较近了,此时应该减小步长值,提高局部寻优精度。为了防止迭代后期过早陷入伪目标源范围,本文提出的算法中加入了跳跃机制,通过利用t分布的散布特性和随机性来使算法跳出伪目标源范围,最终找到较优的结果集。(2)为了验证SCFOA的寻优性能,将SCFOA用于求解0-1背包问题,0-1背包问题属于非确定性多项式问题,其求解方案众多,且维度过大时,传统的求解方案无法计算该问题,因此本文采用基于SCFOA求解0-1背包问题,利用SCFOA的优化能力寻得0-1背包问题的最优解,为了证明SCFOA能够有效解决该问题,本文使用了八个经典0-1背包数据集并用其他四种智能优化算法进行同环境测试比对,用于证明SCFOA在处理0-1背包问题的切实性。(3)将SCFOA应用到小波变换图像融合中,小波变换擅长把源图集切分成高低两部分频率层次,而对不同部分的层次采用不同的处理方案并在方案中会采用适量的参数用于控制结果集融合质量。以往参数的选择是按照人为经验进行设定,但是这样设定的参数值会随着图像的改变而产生差异,不能实时的动态调节和适应。为此,使用SCFOA对参数值进行优化,并使用图像信息熵值作为图像融合的效果评价。通过多数实验确实了SCFOA能够使小波变换图像融合的效果增强。