智能优化算法是近年来发展非常活跃的优化算法，由于其广泛的应用性，智能优化算法越来越受到各学科领域研究者的广泛关注。与经典算法相比，智能优化算法在解决实际问题上往往能实现更好的全局收敛性，在实际应用中也较易实现。智能优化算法的思想正从方法定向转换为问题定向。进而一系列的智能优化算法如:具有领域搜索机制的爆炸搜索算法、手榴弹爆炸算法(Grenade Explosion Method)等陆续被提出。本文根据炸弹爆破的思想提出一种新型智能优化算法—持续爆破算法。　　本文主要由三部分组成:　　第一部分，先介绍了优化问题的广泛应用性，然后描述了若干算法的背景和研究现状，同时给出了部分算法的基本步骤和流程图。　　第二部分，提出了新的智能优化算法—持续爆破算法。给出了算法的基本思想、原理、算法的实现方式、基本步骤和流程图，并通过对标准函数测试，结合大量的实验结果验证算法的有效性和实用性。然后针对算法的不足，提出改进措施，把改进之后的算法用标准函数测试，验证算法的优越性。最后把改进之后的算法与工具箱中的fminsearch，fminunc函数结合，得到了较好的适应值。　　第三部分，实向量空间中(F，K)-不变凸集是E-不变凸集的推广。针对约束集为(F，K)-不变凸集的不变凸优化问题给出基于一维搜索的优化算法，与直接采用优化工具箱的函数计算相比，计算结果有显著改善，为非线性优化算法的改进提供了新思路。