随着科技的进步和生产技术的发展,优化问题几乎遍布科学研究及工程实践的各个领域,这使得优化算法成为现代科技不可或缺的理论基础和研究方法。本文研究的集体决策优化算法(Collective decision optimization algorithm,CDOA)就是模拟人的集体决策行为的一种进化算法。它具有收敛性强、收敛速度快、适用范围广等优点。然而CDOA在深度搜索方面表现良好而在广度搜索方面表现较差,因而表现出较强的开发能力而缺乏良好的勘探能力。因此,本文针对CDOA收敛速度过快易陷入局部最优的缺点,提出了两种改进的CDOA算法提高全局优化能力,即基于自适应概率的集体决策优化算法(PCDOA)和基于历史信息的集体决策优化算法(HCDOA)。1)首先,本文将设计的一种自适应概率模型与基本CDOA相结合,提出了一种基于自适应概率的集体决策优化算法(简称PCDOA)。具体而言,在新颖的搜索策略中,概率p自适应地在两种不同功能的变异算子中选择其中一个执行变异。这两种变异算子一个是增强种群的多样性的、基于交流阶段的变异算子,另一种是加快收敛速度的、基于领导者阶段的变异算子。PCDOA通过两种变异算子的共同作用平衡算法的开发和勘探能力。2)其次,另一个CDOA变体的改进算法是混合BSA的集体决策优化算法,提出了一种基于历史信息的集体决策优化算法(简称HCDOA)。该算法中设计了一种自适应减小的变量?,当?(27)0.5时,选择开发能力强的CDOA算子进行变异。反之,选择勘探能力强的BSA算子进行变异。HCDOA通过两种算法的结合平衡算法的开采和勘探能力。最后,本文将两种改进的CDOA在23个基准函数和工字梁工程设计问题上进行了仿真实验,与其它同类算法对比实验结果,验证了两种改进CDOA在实际问题中的有效性和竞争性。此外,将两种改进算法进行比较,从算法的开发能力和勘探能力来看,实验数据表明与BSA杂交的CDOA比自身改进的CDOA更具有竞争力。