智能优化算法是通过模拟自然生物进化或者社会行为而提出的一种随机搜索算法.这些算法具有原理简单、模型易于实现的特征,能够解决许多传统方法难以解决的复杂问题,被广泛应用于各个领域.本文借鉴长跑比赛运动员追逐竞赛的过程,建立了数学模型并应用于优化问题的求解,提出了一种新的智能优化算法——模拟追逐算法(Simulated Pursuit Algorithm).模拟追逐算法融合了试探性开拓与有目的性的追逐相结合的优点,是一种有效的群体全局优化算法.本文首先介绍基本模拟追逐算法,分析了算法的基本原理;为提高算法种群多样性,引入协作算子,提出了协同进化的模拟追逐算法;为将模拟追逐算法应用从连续优化问题推广到离散优化问题,对探测算子与追逐算子给出了新的设计定义,提出一种改进的模拟追逐算法求解TSP问题.具体研究工作如下三个方面:1、提出了新的群体智能算法——模拟追逐算法.该算法设计了追逐算子与探测算子;领先个体执行探测算子操作以便获得更优位置,落后个体为取得竞争优势,设定追赶目标,执行追逐算子操作,完成跟随超越,从而实现群体进化寻优.对追逐算子进行性能分析;采用六个典型的测试函数进行仿真实验,分析了算法的求解精度、收敛速度以及稳定性.仿真实验表明,模拟追逐算法有较快的收敛速度和较高的求解精度,是一种稳定的优化算法.2、为了维持算法搜索过程中种群多样性,本文在基本的模拟追逐算法(SPA)中引入三种协作算子,充分共享个体间的信息,提出一种协同进化模拟追逐算法.四个基准函数测试表明,在算法后期加入翻转交叉算子可避免产生过多的重复解;改进后的算法平衡了搜索的集中性和种群多样性,提高算法跳出局部最优的能力;协同进化模拟追逐算法在寻优能力与收敛速度均优于基本的模拟追逐算法.3、为将模拟追逐算法推广应用到组合优化问题,本文提出了一种改进的模拟追逐算法求解TSP.算法采用贪心策略与对称策略初始化种群;定义交换运算、交换矩阵,对追逐算子和探测算子给出新的设计定义;仿真实验表明,改进的模拟追逐算法对TSP有更高的求解精度,是一种有效算法.模拟追逐算法应用于求解TSP问题的研究,提供了将模拟追逐算法运应用于处理离散优化问题的模板,扩宽了模拟追逐算法的应用领域.