随着社会经济的发展，在诸多的社会实践领域中，出现了越来越多的复杂优化问题。这类问题通常具有大规模、多因素、强非线性以及难建模的特点，传统的优化方法已经不能有效地解决这些实际的生产生活问题。然而，基于生物群体的智能优化算法可以对所要求解的问题进行全方位的搜索，并且对问题没有太多的要求与限制，成为解决复杂优化问题的有效手段。　　细菌觅食优化算法(BFO算法)作为群智能优化算法中较新的成员，具有容易实现、简单易懂和全局寻优的特点。由于BFO算法目前仍处于研究的发展阶段，因此，本文选取细菌觅食优化算法作为研究对象，对其进行研究改进。针对算法搜索方式单一、步长固定和收敛速度不太快的问题，本文首先提出了一种基于菌群进化机制改进的细菌觅食优化算法（ABFO算法），在借鉴双菌群思想的基础上，引入蜂群搜索算子，采用混合的细菌位置更新方式，并对算法中的固定步长进行了自适应改进，同时改进优胜劣汰的选择标准，保留最优个体，对复制操作中的父代个体引入杂交算子，对迁徙操作引入种群进化因子。本文将ABFO算法用于标准函数测试，测试结果表明了算法改进的有效性，然后又将其应用到PID参数的整定中，仿真结果表明了其在PID整定中的有效性。　　最后，在算法研究改进的基础上，为进一步提高算法的进化速度、寻优精度以及稳定性，本文又提出一种基于差分进化机制改进的细菌觅食优化算法（DE_BFO算法），将差分算法引入复制操作，同时改进细菌种群的初始化方式，引入混沌迭代算子和反近似对立数学习算子，采用混合的初始化方式，另外，对趋化操作中随机的翻转方向与固定的游动步长进行了改进，并采用一种基于种群进化的flag机制。通过标准函数测试，表明DE_BFO算法具有非常优越的性能，而且对于高维函数的寻优，也依然维持着很好的算法性能。为了扩大DE_BFO算法解决问题的范围，本文在对DE_BFO算法进行离散化路径编码操作后，将其应用到置换流水车间的调度中，通过Car类问题测试，表明了离散化DE_BFO算法在置换流水车间调度中的有效性。