群智能优化算法是优化计算领域的一个重要研究方向,如今该算法已经引起了国内外众多研究者的重视。随着近年来对群智能优化算法的不断研究和探索,其应用深度和广度上都有极快的发展。在群智能优化算法中,一些优化算法应运而生,比较有代表性的是粒子群算法、萤火虫算法、蛙跳算法、蚁群算法等。2002年,我国学者李晓磊博士通过观察鱼类的活动,从中选取了鱼类在水域中适应生存环境的几种典型行为,提出了一种新的群智能优化算法——人工鱼群算法(AFSA)。作为在群智能优化算法中的一个重要分支,人工鱼群算法已经有了非常广泛的应用领域。人工鱼群算法作为一种随机搜索算法,其对初始值的要求不高、算法的参数设定也很随意、仅需要目标函数即可求解,使得该算法具有收敛速率快、鲁棒性强、简单易操作等优点。但也存在着一些缺陷,表现在算法的后期收敛速率变缓、寻优精度变低、计算结果并不精确等。针对此缺陷,本文提出了基于最优个体保留的人工鱼群算法(OIR-AFSA)。具体工作如下:1.详细说明了人工鱼群算法的产生过程、算法的具体实现,以及对基本人工鱼群算法的优缺点进行分析。2.改进基本人工鱼群算法,提出基于最优个体保留的人工鱼群算法(OIRAFSA)。其具体改进方案是:首先,新算法采用了自适应移动步长;其次,在公告牌保留最优个体;最后,重新定义人工鱼群算法的聚群行为,避免了算法后期收敛速率可能变慢的缺点。3.将基于最优个体保留的人工鱼群算法(OIR-AFSA)应用在组合优化问题中,本文选取了的经典TSP问题、0-1背包问题、装箱问题。通过实验数据表明,改进后的人工鱼群算法能够更快的收敛到函数极值,并且逃离局部极值点的速率更加迅速,在解决日常生活中非线性复杂问题时有着极佳的优势。