Tabu Search是一种新的亚启发式(meta-heuristic)算法，简称TS，由美国科罗拉多大学系统科学家Fred Glover教授于1986年首次提出。TS与模拟退火算法SA、遗传算法GA、蚂蚁算法ACS、混沌等一样，都是通过模拟或揭示某些自然现象或智力过程而形成的一套算法，以用于求解各种工程问题中的优化解。TS以其灵活的存储结构和相应的禁忌准则来避免迂回搜索，在优化算法中独树一帜，已经成为计算智能CI(Computational Intelligence)领域的又一研究热点，受到了国内外学者的广泛关注。TS首先在加工调度(Job-shop)问题中得到了成功的应用，并逐渐应用到其它领域，如组合优化、函数优化等。 本文在现有研究成果的基础之上，主要做了三方面的工作： (1)以组合优化问题中的代表TSP(Traveling Salesman Problem)为例，探讨了TS中算法参数的选择对搜索性能的影响，集中研究了两点：①初始解的生成算法；②集中性和多样性策略。 (2)提出将遗传算法中的变异操作思想引入到TS中，以降低TS对初始解的敏感性； (3)将TS应用于神经网络，主要研究了将TS作为BP网络的训练算法。 论文论述了TS的基本思想，并通过大量仿真实验证实了上述工作的正确性，取得了如下几方面的研究成果： ＊）以 TSP为例，根据问题规模和应用要求，对初始解生成算法的选择提出了建设性的意见；提出了一种自适应的集中性与多样性搜索策略，较好地解决了集中性搜索和多样性搜索之间的矛盾。 p）将基于概率性的变异操作和基于搜索进程的自适应变异操作引入到TS中，降低了TS对初始解的敏感性，进一步提高了TS的寻优能力。 （3）针对BP算法在本质上属于局部寻优算法的不足，将TS用于前馈神经网络，对其权值进行全局优化，提高了的馈神经网络的收敛概率、收敛精度和收敛速度。 最后，本文对TS的研究成果及应用前景进行了总结和展望。