优化问题一直是科学和工程研究领域的热点问题。传统的优化方法在处理大维数、多模态等复杂问题上存在诸多不足。国内外研究学者对此进行了研究和探讨,提出了多种智能优化算法,并结合各种优化算法的优点,衍生出多种混合智能优化算法。本文在分析人工鱼群算法基本原理的基础上,结合禁忌搜索算法和遗传算法,提出了两种新的混合智能优化算法,并将混合算法应用于多目标优化、参数估计和组合优化中,扩展了算法的应用范围。本文所作的主要工作如下:1、系统地介绍智能优化算法的研究现状,以及单纯智能优化算法的局限性和混合智能优化算法的优点。重点分析人工鱼群算法,并通过典型函数的仿真,探讨参数对人工鱼群算法收敛速度和精度的影响,总结出鱼群算法参数设置的基本原则,提出分阶段和变参数寻优的改进策略。2、结合人工鱼群算法的改进策略,提出两种新的混合智能优化算法:禁忌与鱼群混合优化算法(HIOA-TSFA)和遗传与鱼群混合智能优化算法(HIOA-GFA)。通过对两种混合智能优化算法的仿真研究,以及与前人的研究成果比较,均验证了本文提出两种算法的有效性。3、通过引入惩罚项的方法,将HIOA-TSFA算法应用于解决多目标优化问题。仿真研究表明,该算法在解决复杂函数的优化问题和多目标优化问题中效果显著。将HIOA-GFA应用于非线性系统的参数估计问题,在无噪声和有白噪声的条件下,通过Lorenz混沌系统进行仿真研究,结果表明该混合算法对于解决参数估计问题十分有效。最后,进一步引入去交叉局部优化策略对HIOA-GFA进行改进,并将其应用于组合优化问题中的旅行商问题。通过仿真研究验证了HIOA-GFA在解决旅行商问题时的有效性。