海鸥优化算法是受海鸥群体的迁徙行为和攻击猎物行为启发而提出的一种群智能优化算法,具有结构简单、适应性强、收敛速度快等特点。同时,该算法存在着种群搜索方式单一、过于依赖最优个体、局部搜索能力差等缺陷。本文在前人的研究基础上对海鸥算法进行研究,针对以上缺陷提出相应的改进策略,并将改进算法应用于无人机的航迹规划和BP神经网络的初始参数优化问题,主要工作如下:（1）从搜索方式优化的角度提出了一种自适应变异的海鸥优化算法。针对原算法搜索方式单一、过于依赖最优个体的问题,提出了一种基于多影响因子的种群进化策略来降低对最优个体的依赖性,并通过最优个体的自适应变异策略来增强海鸥群逃脱局部陷阱的能力,同时利用余弦函数的非线性特点来改进原算法的线性控制因子以平衡算法的全局搜索和局部搜索。改进算法与其他算法在标准测试函数上的对比实验结果验证了改进策略的有效性。（2）从算法结构优化的角度提出了一种双群协同进化的海鸥优化算法。针对原算法局部搜索能力差、过于依赖最优个体的问题,提出了一种基于任务分配的双群协同进化策略来强化局部搜索,利用一种动态反馈调节机制对两个子群的比例进行实时的调节从而维持稳定的种群进化率,并通过随机游走策略来赋予种群再生机制。改进算法与其他算法在标准测试函数上的对比实验结果验证了改进策略的有效性。（3）提出了一种混合的海鸥优化算法。该算法基于双群协同进化的海鸥优化算法进行混合改进,融合了自适应变异的海鸥优化算法的改进策略和麻雀算法的搜索算子。性能对比测试结果表明混合改进的海鸥优化算法实现了寻优性能的进一步提升。为了验证混合算法的实用性,将该算法应用于无人机航迹规划和BP神经网络的初始参数优化问题,实验结果表明该算法具有较好的应用效果。