优化问题因为其广泛性已经逐步成为科学探索中越来越重要的研究方向,随着求解问题的复杂化和规模化,传统的优化命题已经无法得到满意的结果。人工鱼群算法的提出有效的解决了这一系列问题。人工鱼群算法是一种模拟动物行为的仿生算法,包含了人工智能思想以及动物自治体模式。随着科技的发展和求解问题的多样化,传统人工鱼群算法已经无法很好地解决实际问题,因此,本文提出了一种改进的人工鱼群算法,本文算法在全局收敛性、收敛速度以及收敛精度上都有了一定的提高。TSP问题是一个经典的组合优化问题,同时也是一个经典的NP问题。TSP问题在模拟城市间列车运行路径、车站之间电缆配线等方面有着重要的作用,随着TSP问题的广泛应用,更多学者把TSP问题作为验证算法性能的主要依据。本文的主要目的是对人工鱼群算法进行改进,并且将其应用到TSP问题中,通过与现有较为优秀的算法进行对比来验证本文算法的优越性能。首先介绍了人工鱼群算法的提出背景以及研究现状,然后进一步分析了原始人工鱼群算法的基本结构和寻优原理；并且详细的描述了算法中各种行为的形成条件、人工鱼的游动方式以及算法的寻优机理；对算法中主要的初始参数做了充分的研究,并且分析了各种参数对算法寻优过程的影响。其次,对原始人工鱼群算法进行了分析总结,找出算法中有待改进和完善的方面,根据原始算法存在的缺陷归纳出了改进算法的方式和步骤,并且通过对其他改进算法的研究与验证,提出了本文的改进算法—SSAFSA.SSAFSA在全局收敛性、步长、视野以及局部极值问题等方面做出了针对性的调整,然后通过对测试验证函数的验证来进一步分析研究SSAFSA的性能。最后,从算法收敛速度,寻优精度等方面与现有改进算法做出了详细全面的比较,通过数据的对比进而证明了SSAFSA是一种有效的并且优秀的改进人工鱼群算法。在论文的最后,将SSAFSA引入了旅行商问题,并且在求解过程中加入了KNN算法,给出了一种求解TSP的人工鱼群算法——SSAFSA-K。通过对经典数据库中不同的城市问题进行验证,证明了算法可以很好的解决TSP问题。并且在运算速度、求解精度等方面与现有较为优秀的求解TSP方法做了对比,从对比结果证明了SSAFSA-K在解决TSP问题中的优越性,说明了SSAFSA-K是一种可行的求解实际问题的寻优算法。