随着群体智能优化算法的发展和普片使用,投身于群智能研究领域的专家学者越来越多,特别是群智能算法在复杂函数优化方面的使用。群智能优化和人工生命均是近几年被普遍关注的钻研热门。在此基础上,本文通过过分析和研究人工记忆的特殊机制,将人类大脑独有的记忆机制引入到函数优化算法应用中,根据目标问题建立具体理论和数学模型及算法,为解决复杂函数寻优、克服现有智能算法在此类问题中存在的缺陷等实际应用问题,提出了行之有效的解决方法。首先,本文先分析现有人工记忆理论,且在此基础上进行改进,从而提出一套完善的人工记忆理论;说明现有群智能算法在复杂函数优化上存在的缺陷,并在记忆基本模型基础上建立了函数优化算法;此算法从人工记忆的基本原理和特点出发,将摸索解与记忆相联系,使得摸索解根据其质量优劣被自动归类,收敛速度快,求解精度高且实时性好。其次,本文将人工记忆机制融入到传统蚁群算法,建立蚂蚁自身记忆库及蚁群记忆库以方便最优路径的搜索,用人工记忆的遗忘、更新来替换激素的堆积、蒸发;瞬时,短时以及长时记忆分别可以在不同时间范围内来调整蚁群综合记忆素及存储更新的有效路径,防止了传统蚁群算法为了提高算法搜索效率及准确性去事前设定蚁群数和迭代数。文章最后,将人工记忆融入粒子群算法,用记忆的存储、更新来记录粒子群搜索行为,粒子群能够根据在记忆库中感知到的记忆值的变化来调节寻优行为,同时更新相应记忆库,提高粒子群的寻优速度。在文中,三种新构建的优化模型均通过实例分析、验证并给出对应的算法实现步骤。实验证明,这三种算法设计的有效性,并且这几种记忆算法在解决复杂函数优化问题方面的可行性。总之,本文深入研究了人工记忆原理的理论以及理论应用模型在复杂函数优化问题中的应用,为了深入研究将人工记忆应用在算法优化中提供了不错的理论支点和解决思路。