禁忌搜索(Tabu Search或Taboo Search，TS)是一种新的智能优化算法，由美国科罗拉多大学系统科学家Glover教授于1986年正式提出。TS与模拟退火(SA)、进化计算(EC)、蚁群算法(ACS)、粒子群优化(PSO)、人工免疫系统(AIS)等一样，都属于自然计算(Natural Computation，NC)的研究范畴。TS以其灵活的存储结构和相应的禁忌准则来避免迂回搜索，在智能优化算法中独树一帜，受到了自然计算领域学者的广泛关注，在组合优化及函数优化领域中得到了广泛的应用。 本文在前人成果及前期工作的基础上，重点研究了禁忌搜索在TSP问题、前向神经网络和多维背包问题中的应用，并就如何实现禁忌搜索的并行化提出了三种并行策略，论文的主要创新点可以归纳如下： (1)针对禁忌搜索中集中性搜索与多样性搜索之间的矛盾，提出了一种自适应搜索策略。该策略将邻域中的元素划分为两部分，即集中性元素和多样性元素，分别用于集中性搜索和多样性搜索，然后根据搜索的进程，自适应地调整候选集中的集中性元素与多样性元素的数量，以协调此矛盾。以TSP问题为例做了仿真实验，结果显示，该策略具有框架灵活、通用性较强、与具体问题无关等优点，可推广应用于其它问题的求解。与神经网络方法的对比显示，基于该策略的禁忌搜索算法具有更高的求解质量。 (2)针对前向神经网络中BP算法的不足，提出了一种前向神经网络的自适应禁忌搜索训练算法，主要解决了如何实现连续变化函数值的禁忌操作、上述