智能优化算法作为数学优化的新方法,对目标函数解析性要求低,在实际复杂优化问题求解上具有原理简单和效率较高等特点,为优化领域研究打开了新思路。基于功率谱的趋磁性细菌优化算法是近年来提出的一种新型进化算法,该算法模拟趋磁性细菌利用自身磁场与地磁场相互作用来调节自身行为的生理机制,具有易于实现,参数少等特点。功率谱计算、细菌旋转、细菌游走和磁矩替换是基于功率谱的趋磁性细菌优化算法的四个算子,其中细菌旋转和细菌游走算子实现细菌磁矩调节功能,未能充分利用种群功率谱信息,磁矩替换算子在一定程度上增加了算法的开发能力。因此,提出具有更好收敛效果的算法是很有必要的。本文介绍了智能算法的研究背景、发展和研究现状,并详细介绍了趋磁性细菌优化算法的优化原理。本文拟提高算法的开发能力,提出了两种改进单目标优化算法和一种多目标优化算法,主要研究工作如下:首先,针对算法在求解单目标优化问题的不足之处,对基于功率谱的趋磁性细菌优化算法改进,提出了结合档案集的功率谱趋磁性细菌优化算法。将原算法中细菌旋转和细菌游走相结合,给出新的磁矩调节公式,并在磁矩替换阶段使用轮盘赌选择方法从档案集中选择对种群的累计贡献值较高个体与当前最优解结合,替换一半较差个体。对测试函数进行仿真实验,与原算法相比,改进算法能有效提高算法收敛精度。然后,设计了改进的基于功率谱的趋磁性细菌优化算法,该算法以趋磁性细菌体内磁性颗粒为基础,改进了细菌磁矩调节算子,并给出了结合混沌映射序列的基于功率谱的磁矩替换算子。数值实验验证了改进的基于功率谱的趋磁性细菌优化算法的有效性,还分析了替换参数对函数收敛结果的影响。最后,分析并研究了经典的多目标进化算法,提出基于功率谱的趋磁性细菌多目标优化算法。该算法采用档案集的方法,对种群中每个个体执行规模为2的锦标赛方法,选择档案集中拥挤距离较大的非支配个体作为其最优个体,利用功率谱和最优个体磁矩采用高斯公式更新磁矩,并基于一种动态调节概率变异策略替换种群中支配个体。在搜索前期,采用较大的替换变异策略能够加快算法的寻优速度;在寻优陷入后期停滞阶段,选择较小的替换概率能够增加种群多样性。对经典多目标测试函数的数值仿真结果表明,基于功率谱的趋磁性细菌多目标优化算法在性能上优于对比算法。