优化问题普遍存在于现实世界的各个领域,寻求高效稳健的智能优化算法是人们长期以来一直研究和探讨的课题。拟态物理学是一种模拟物体间存在虚拟力作用以及物体运动遵循牛顿力学定律的方法。该方法研究大量个体通过相互间的简单吸引和排斥涌现群体的复杂行为,实现多智能体系统的分布式复杂控制,是求解分布式复杂问题的一种有效工具。本文采用拟态物理学方法,通过借鉴从拟态物理角度模拟生物觅食的搜索机理,构造了一种新的优化算法,从框架建立、作用力规则设计、质量函数构造,混合策略、收敛性分析、参数选择、群机器人目标搜索等方面对算法进行理论和应用研究。受拟态物理学方法的启发,通过比较模拟生物觅食的物理个体与理想微粒间的特征异同,建立了拟态物理学方法与基于种群的优化算法之间的映射关系。在此基础上,建立了基于拟态物理学的优化算法基本框架,设计了负指数、单峰和线性三种作用力规则。从理论分析和仿真测试两方面说明了这三种作用力规则驱动下算法的可行性和有效性,同时,也说明了线性作用力规则驱动下的算法寻优效率较高,稳定性较强,更适合解决复杂优化问题。个体质量是用户定义的有关个体适应值的函数,能够反映个体适应值的优劣,为优化搜索提供重要信息。本文给出质量函数应具有的性质以及构造的方法,并将构造的质量函数按其曲线类型分为直线、凸曲线、凹曲线、先凸后凹曲线四种质量函数,仿真测试了四种曲线质量函数对算法性能的影响,结果表明凹曲线质量函数能提高算法的搜索效率。借鉴群居性生物的记忆能力和交互能力,提出一种扩展的拟态物理学优化算法,仿真结果表明该扩展模型比原算法具有较好的种群多样性和较快的收敛速度。另外,为有效利用个体搜索方向这一重要信息,建立了拟态物理学优化算法的矢量模型。为提高矢量模型算法的局部搜索能力,提出分别将一维搜索和多维搜索方法作为其局部搜索算法,仿真结果表明这两种混合算法有效改善了矢量模型算法的局部搜索能力。收敛性问题是优化算法理论研究的重要内容。本文采用离散线性系统理论对拟态物理学优化算法的收敛性进行分析,得出算法收敛的充分必要条件,证明了该算法是依概率1收敛的。从算法的收敛性角度,提出定常和自适应两种引力常数选择策略。仿真结果表明自适应引力常数可以增强算法的种群多样性,提高算法全局收敛的概率。针对群机器人目标搜索问题,将拟态物理学优化算法作为群机器人的系统建模和协调控制工具。将机器人抽象成二维封闭空间中的运动个体、将其动态特性抽象为一阶惯性环节,参考拟态物理学优化算法的引斥力规则建立了机器人之间的虚拟作用力规则,给出了基于拟态物理学优化算法的全局感知群机器人目标搜索模型。针对实际应用中机器人感知能力有限的特性,提出了机器人时变感知域的概念,并在此基础上建立了局部感知的群机器人目标搜索模型。而且对这两种模型中的控制策略和算法进行了设计。在理想条件下对这两种模型的仿真测试说明了该算法应用于全局感知和局部感知的群机器人目标搜索的可行性和有效性。