人工萤火虫群优化算法源于对自然界萤火虫群群体觅食或吸引伴侣行为的模拟，是一种新型群体智能优化算法。与目前出现的群智能算法相比，人工萤火虫群优化算法在计算速度和消耗内存上有较大的优势，且调节参数少，简单易于实现。然而基本人工萤火虫群优化算法在运行到后期仍存在着收敛速度慢、解的精度不够高和早熟现象，所以对算法的改进分析研究有着重要的理论意义和应用价值。基于此，本文重点对人工萤火虫群优化算法改进分析进行研究，主要工作如下：　　 首先，总结了人工萤火虫群优化算法的研究现状，并对算法的参数做了相关分析，给出了算法参数设置的参考值。　　 其次，针对由于人工萤火虫漫无目标的随机移动导致算法出现收敛速度不够快的问题对算法进行改进。在算法中引入人工鱼群算法中的追尾行为概念，并在过程中加入了拥挤度因子，提出了一种基于追尾行为的改进型人工萤火虫群算法。仿真实验表明改进后的算法即使在较小的萤火虫种群以及较少迭代次数下依然能同时搜索到多峰函数的多个峰。　　 最后，针对基本GSO算法在搜索全局最优值的问题上存在的易陷入局部最优解，计算精度及收敛成功率较低等缺陷，文中根据人类社会商业组织中的分级管理思想，提出了一种分层人工萤火虫算法，将萤火虫被分布在一个分层结构中，位于结构高层的萤火虫将影响位于结构低层萤火虫的搜索路径，每次迭代，萤火虫都将更新在分层结构中的位置。基于四种基准测试函数的实验表明，改进算法具有良好的收敛效果以及较高的收敛精度。　　 本文所取得的结果，对于丰富人工萤火虫算法的理论基础和拓宽其应用范围，都有着重要的理论意义和应用价值。