优化命题的解决存在于许多领域，对于国民经济的发展也有着巨大的应用前景。随着优化对象在复杂化和规模化等方面的提高，基于严格机理模型的传统优化方法在实施方面变得越来越困难。 人工鱼群算法是一种基于行为的人工智能思想的动物自治体模式，它具有对目标函数、初始值和参数设定要求不高，具备并行处理能力和全局搜索能力等方面的特点。本文主要研究了人工鱼群算法的改进与应用，并进行了仿真研究。主要研究内容如下： 对无约束函数优化、约束函数优化和多目标函数优化，这三类连续函数优化问题，采用人工鱼群算法分别进行了应用研究。 通过对人工鱼群算法的各参数特性分析，引入了分段寻优、自适应参数修正的方法，结合人工鱼群算法本身的特点，形成了一种自适应人工鱼群算法。通过测试函数的验证表明该算法在求解非约束连续优化问题中，具有收敛速度快，寻优精度高的特点。 针对约束优化问题，引入了半可行域的概念，提出竞争选择的新规则，并改进了基于竞争选择和惩罚函数的进化算法的适应度函数；同时设计了选择算子对半可行域进行操作，得到了一个利用AFSA求解约束优化问题的新方法，通过若干非线性等式约束和不等式约束问题的验证表明该算法在求解此类问题中，具有较好的稳定性和收敛精度。 在求解多目标问题中，将Pareto最优规则与人工鱼群算法相结合，基于多维进化思想，按给出的样本序值定义对鱼群中的样本分别进行存档分离，给出了一种求解多目标优化问题的新的人工鱼群存档算法。数据试验表明，该算法能找到数量较多，分布较广的Pareto最优解。 对人工鱼群算法的距离，邻域等概念进行更新改进，给出了具体求解组合优化问题的人工鱼群算法，并将该算法应用于14个点的TSP问题，在较短时间内获得了目前已知的最好解。同时就各参数对于运算结果的影响进行了分析论证。 鱼群算法从具体的实施算法到总体的设计理念，都不同于传统的设计和解决方法，同时它又具有与传统方法相融合的基础，相信鱼群算法有着良好的应用前景。