人工鱼群算法是一种新兴的元启发式仿生群集智能优化算法,是通过模拟鱼类群体的相互社会行为,实现群集智能的一种优化算法。首先对优化问题的历史和发展历程进行了总结,在此基础上回顾了主要智能优化方法的起源及其发展现状。在介绍热点优化技术的发展历程、研究现状的基础上,分析了人工鱼群算法的模型和人工鱼的行为方式,在此基础上对算法的主要参数作用机理及其影响进行了分析,根据实验结果总结出了人工鱼群算法参数的作用效果及其特性,得出了设置算法参数的一般方法与规律。在智能算法统一框架理论下描述了人工鱼群算法,并分析了其收敛性。针对基本人工鱼群算法的视野和步长在算法不同阶段要求不同的矛盾,设计出一种分段自适应函数系数法对人工鱼视野和步长进行自适应改进。分别设计了幂函数型、线性函数型以及指数函数型三种分段自适应函数,作为人工鱼视野和步长的分段自适应系数。幂函数型衰减函数具有最快的衰减速度,能使视野和步长进行快速衰减,主要应用于局部最优不突出的优化问题。线性函数型衰减函数的衰减速度最慢,且衰减过程均匀,主要用于局部极值突出的优化问题。指数函数型衰减函数的衰减效果介于幂函数型和线性函数型之间。采用分段自适应函数系数法后,人工鱼群算法参数鲁棒性得到了极大提高,且算法复杂度没有提高。针对基本人工鱼群算法最优解精度不高,人工鱼个体分散,算法后期收敛效率下降的问题,根据生物进化思想提出了基于进化策略的人工鱼群算法。根据对生物进化过程中的无性生殖和有性生殖方式的模拟,分别提出了模拟无性生殖的淘汰与克隆机制和模拟有性生殖的权值可调重组法对基本鱼群算法进行改进。淘汰与克隆机制通过淘汰适应度低的个体,克隆高适应度个体,实现了人工鱼种群整体适应度的提高。权值可调重组法实现人工鱼个体的有性生殖。通过权值可调重组法生成子代鱼群,父代个体选择的不确定性,使子代鱼群保持了更多的特性,在提高种群整体适应度的基础上又保证了群体多样性,其效果优于淘汰与克隆机制。针对单一改进方法效果有限的问题,进行混合人工鱼群算法的研究。提出了一种新的人工鱼跳跃行为,扩展人工鱼的行为方式,克服了局部极值突出的问题。将分段自适应函数法与淘汰与克隆机制相融合,形成了带有淘汰与克隆机制的分段自适应鱼群算法。鉴于淘汰与克隆机制存在的局限性,研究了基于有性生殖的分段自适应混合鱼群算法,该混合算法同样具有良好的性能。研究了基于粒子群算法的混合人工鱼群算法,为其他智能算法与鱼群算法的融合提供了借鉴。最后将人工鱼群算法应用到机器人路径规划研究中,采用一种参考点坐标降维方式对人工鱼进行编码,简化了人工鱼个体的编码方式,降低了算法复杂度。将不同安全阈值下的路径长度和碰撞概率提供给决策者,决策者可依据实际情况进行平衡选择。