优化问题存在于许多领域,对于国民经济的发展也有巨大的影响。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新型的群智能随机优化算法,本质上是一个复杂的智能系统,它具有较强的鲁棒性、优良的分布式计算机制、易于和其他方法结合、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。目前对该算法的研究、应用已经渗透到多个应用领域。人工鱼群算法已经成为交叉学科中一个非常活跃的前沿性研究课题。 本文首先简单阐述群智能算法的现状和特点。然后简单讲解人工鱼群算法的基本思想、特点。接着论述对其进行改进研究的意义、对算法进行改进的方法及其改进后的应用。其中包括：应用具有完全混沌特性的Logistic映射系统对人工鱼进行初始化；通过对人工鱼算法的各参数特性的分析,改进算法的感知距离及步长；对人工鱼的觅食行为、聚群行为和追尾行为进行改进；按一定概率和规则对一些适应值不好的人工鱼进行初始化；把改进的人工鱼群算法应用到生物模型参数估计中。最后简单总结了对人工鱼群算法改进的效果和今后的研究方向。改进后的算法具有更高的搜索效率,能较快地到达全局极值附近,同时还加强了算法后期的局部搜索能力。人工鱼群算法从总体的设计理念到具体的实施算法,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,相信人工鱼群算法有着良好的应用前景。