针对蝙蝠算法(Bat Algorithm,BA)在寻优时存在易陷入局部极值、收敛不稳定等问题,提出了一种基于多普勒补偿与变异选择的蝙蝠算法(Bat Algorithm based on Doppler Compensation and Mutation Selection,BADM)。首先,在全局探索阶段,提出多普勒频率补偿策略和多普勒速度补偿策略。多普勒频率补偿策略根据个体相对最优个体距离的远近,适当地提高或降低频率,防止随机变化,使算法更符合蝙蝠的生理机制,为修正速度提供依据。多普勒速度补偿策略利用种群平均速度对个体速度的方向产生指导,调整位移增量,结合补偿后的频率修正速度的大小,产生靠近最优个体的新个体,避免全局搜索的盲目性。其次,在局部开发阶段,提出变异选择策略,先利用柯西变异产生较大的步长扩展搜索区域,后利用高斯变异产生较小的步长精细搜寻最优区域,促使个体自适应地调整步长,突破局部极值的束缚,增强变异的灵活性。然后,对脉冲发射率提出线性递减策略,平衡算法的全局探索和局部开发。最后,对响度提出线性递减策略,提高全局探索和局部开发保留新个体的概率,提高种群进化率。在理论上分析了BADM算法的收敛性和运算复杂度后,为了验证BADM算法各改进策略的有效性,设置具有各改进策略的BA算法与BA算法的比较实验,证明了各项策略对提升BA算法寻优性能的可行性。为了验证BADM算法的寻优性能,先设置实验对脉冲发射率和响度的取值范围进行评估,然后利用12个标准测试函数分别在低维和高维下进行仿真对比实验,结果表明BADM算法相比BA算法具有更高的收敛精度和更低的收敛标准差。该论文有图35幅,表14个,参考文献71篇。