全局优化问题是人们多年以来一直研究和探讨的课题，它普遍存在于现实生活中的各个领域，如金融、航天、土木工程等。随着人们对优化技术越来越高的要求，一些传统的优化方法对于具有不连续、高维、非线性等特点的复杂优化问题难以适应，因此寻求新的优化方法成为众多领域的一个重要研究方向。目前求解优化问题的方法主要有两种，即确定型算法和随机性算法，根据问题的特点其各有不同的适用范围。其中随机性算法一般是对社会行为和自然现象的模拟，具有对优化函数的解析性质要求低的特点，甚至对无显示解析表达式的问题也可以求解，能较好的解决优化中的噪声、不可微、高维等问题。启发式算法作为随机性算法的一种，其良好的应用更加快了人们对各种优化方法的探索脚步。近些年来不断有学者将分形应用于优化中来，试图运用分形思想来处理复杂的优化问题。其中，分形算法通过对可行域的分形分割来寻优，是一种新颖的确定性算法，但其局限性较大，只适用于低维简单的问题，对于当今社会中高维复杂问题则几乎无能为力，也使得该算法的影响力微乎其微。为了打破这种局面，本文提出了一种改进的分形优化算法，该算法模拟自然界中“分形生长”的现象，彻底改变了原算法的分割策略，并引入生长素因子，加快算法的收敛速度。通过对3个经典函数进行寻优试验，可以发现分形优化算法比原算法的寻优能力更强，在处理高维问题时更加适用。最后尝试将分形优化算法应用于组合优化问题中，实际问题比简单的函数公式更加复杂，而且组合优化问题的解空间是离散的，对其可行域需要更加特殊的处理，通过对旅行商问题的应用，进一步表明该算法具有可行性和实用性。