多模态优化问题是科学研究和工程实践中常见的一类问题,因此具有十分重要的研究意义。利用传统优化方法求解多模态优化问题,需要函数可导,对初始点的选取依赖性大且每次只能求一个解,不能满足实际需求。智能优化算法因其巨大发展潜力已在众多领域得到了十分广泛的应用,而且经过多年的发展形成了相对成熟的算法框架。利用智能优化算法求解多模态优化问题得到大量研究者的关注。本文对智能优化算法如何在一次运行中找到多模态优化问题的多个最优解展开了深入研究,主要工作如下:1.提出了基于环形拓扑邻域的人工蜂群算法求解全局优化问题。该算法首先基于环形拓扑中的邻域半径,设计了一种新的邻域选择机制。其次,基于邻域半径构造了两种改进的搜索策略。最后,利用邻域半径和反向学习,改善了侦察蜂的搜索能力。本文选择22个标准测试函数进行算法性能测试,通过仿真实验发现此算法的性能优于对比算法。2.提出基于最近邻的方法求解多模态优化问题。首先,利用基于最近邻的方法对种群进行划分。其次,提出了一种物种平衡策略来调整每个子种群的大小。最后,提出两个基于关键点的搜索方程。在IEEE CEC 2013基准测试集进行仿真实验,结果表明提出的算法性能优于对比算法。