随着社会经济的发展进步和资源配置整合的现实需求,有效地求解优化问题成为一类管理科学领域中备受关注的研究课题。由于实际问题的高维复杂性,传统的优化方法难以在可接受的成本下求得优化问题的最优解,但得益于群智能优化算法的提出和发展,其算法结构简单、易于操作和优化效果好的特点,使得智能优化算法可以有效地解决复杂的优化问题。本文基于2017年由Mirjalili提出的樽海鞘优化算法,针对该算法的收敛精度不佳、全局搜索能力较差的缺点,对樽海鞘算法进行改进,并将其应用于优化问题中。本文的主要研究工作如下:（1）提出一种混合正弦余弦的樽海鞘优化算法（SCLSSA）求解函数优化问题,将算法中加入基于正弦余弦算法的扰动因子,引入领导者位置影响因子,使樽海鞘个体的更新提供更多的种群信息。SCLSSA求解了23个全局函数优化问题和30个CEC2014复杂函数优化问题集,通过统计检验表明SCLSSA在统计意义上也有较为明显的优越性。（2）提出一种动态调整莱维樽海鞘优化算法（LGSSA）求解工程设计优化问题,在领导者位置更新中引入莱维飞行,避免搜索个体过于依赖食物位置;加入基于高斯变异的贪心策略,增强局部开发能力。LGSSA求解了17个基准测试函数和齿轮系优化、三杆桁架设计、压力容器优化问题,提出的LGSSA在求解实际工程设计优化问题中能获得有竞争性的结果。（3）提出了一种基于遗传算子的改进樽海鞘优化算法（CGSSA、MGSSA）求解0-1背包问题,利用遗传算法中的变异和交叉算子增强种群多样性,对无效解进行基于贪心策略的修复。为测试变异和交叉算子的有效性,提出了基于交叉（CGSSA）和基于变异（MGSSA）的混合遗传樽海鞘优化算法,用19个0-1背包算例验证两种算法的求解性能,提出的算法可以有效地求解不同维度下的0-1背包问题。本文基于樽海鞘优化算法的理论基础,通过对算法的改进提高了樽海鞘算法求解连续的函数优化、工程设计优化问题和离散的0-1背包问题的能力,为樽海鞘算法在实际问题的进一步研究和发展提供了基础,具有一定的理论价值和现实意义。