优化问题在生活中随处可见,现实中的优化问题往往具有时间特性和空间特性,对于优化算法的研究可以使得生产生活效率得到显著的提升。狼群算法作为一种新兴的群体智能算法,旨在模仿自然界狼群搜寻并捕获猎物的行为,在每一次迭代的过程中不断寻找最优解,从而解决复杂的优化问题。根据当前已有的研究内容,狼群算法主要存在的不足体现在:在求解复杂函数时,算法的收敛精度不够;在随机初始化的过程中,初始位置分布不均匀;算法在后期容易陷入局部最优解,收敛速度慢等。针对这些不足进行了一些改进优化,并将改进后的算法应用到具有时间特性和空间特性的实际问题中,主要研究内容和成果如下:航迹规划问题是具有空间特性优化问题的典型代表,为规划复杂环境下的三维航迹,设计了基于反馈式教与学机制的改进狼群算法（TLBO-WPA）对路径参数进行优化。针对狼群算法局部搜索能力差、步长一成不变、收敛速度慢等缺点,提出了一种基于反馈式教与学机制结合动态变异策略的改进狼群算法,并使用该改进的狼群算法优化三维航迹规划问题中的路径参数,生成最佳航迹。该算法改进了游走行为中的搜索方式,在以反馈式教与学的优化算法机制更新狼群中的个体位置,并引入了动态变异策略,使得搜索过程更加精细;以反馈式教与学的优化算法机制更新狼群中的头狼,使其跳出局部最优解。相比于同类别算法,TLBO-WPA规划出了航迹长度代价和避障代价最低的最佳航行轨迹。舆情预测问题是典型的时间优化问题。为提升网络舆情流行度预测问题的准确率,设计了改进的狼群来优化卷积神经网络超参数（IWPA-CNN）。在狼群算法的基础上,通过佳点集初始化狼群个体位置,使得种群多样化;基于荧光剂的位置更新策略,可以增强狼群在整个解空间的搜索能力,避免狼群在寻优过程中提前陷入局部最优。同时,在狼群的移动过程中使用kσ法则淘汰适应度值低的人工狼,使得优化算法能够较快地收敛到全局最优解。进而构建改进狼群优化卷积神经网络的网络舆情预测模型,并通过多个网络舆情的小样本数据实证研究该模型的有效性。对比实验结果显示,相比于使用同类型算法优化的卷积神经网络,IWPA-CNN模型在网络舆情趋势的预测中准确率最高。综上,本文在狼群算法的基础上,针对复杂环境下的无人机3D航迹规划这一空间特性问题,引入了反馈式教与学的机制与动态变异策略,提高了搜索过程的进度和收敛速度;针对网络舆情流行度预测这一时间特性问题,为了优化卷积神经网络的结构,引入荧光剂引导的位置更新策略与基于kσ法则狼群更新策略,提升了算法的全局搜索能力;改进的算法分别在测试函数与实际应用体现了更好的优化性能。