树种优化算法(Tree Seed Optimizer Algorithm,TSA)是一种模仿自然界中树木传播种子,生根发芽长大形成新树种的群智能优化算法。事实证明,树种优化算法可以提供相对有优势的准确性结果。由于这种优化算法灵活,高效,鲁棒性强,所以树种优化算法不仅吸引了许多研究者对其进行研究改进,许多实际应用研究问题中也使用了树种智能优化算法。但随着研究的深入,一些学者发现该算法还是存在诸如寻优精度较差,收敛速度较慢等缺点。本文针对该算法寻优精度还不是特别理想,收敛速度还不够快等问题,提出了一种基于基本树种算法的改进版本,使之处理解决问题的过程更加行之有效。并将改进后的树种算法首先用于函数优化问题检测其性能,再将其应用于各类工程优化测试问题,最后用于模糊聚类图像分割中寻找初始聚类中心这一问题,目的是进一步完善树种优化算法的理论和拓展其应用范围。本文的工作内容安排分为以下几个方面:(1)提出一种基于Levy飞行的树种优化算法。将levy飞行策略引入树种优化算法,极大地增强了种群多样性,克服了算法后期陷入局部收敛,并将基于Levy飞行树种优化算法应用于函数优化问题。(2)将基于Levy飞行的树种优化算法用于解决工程优化问题,验证基于Levy飞行的树种优化算法的优越性。(3)将基于Levy飞行的树种优化算法应用于模糊聚类图像分割问题之中,传统的模糊聚类图像分割算法比较难确定初始聚类中心,从而比较难完成图像高效率分割,将基于Levy飞行的的树种算法应用于模糊聚类图像分割,使初始聚类中心更容易确定和搜寻,从而完成图像分割改善其分割效果。