智能算法由于其操作简单,易于实现的良好特性,被广泛应用到现实生活的各个领域,并且在解决复杂的全局优化问题方面已经取得了成功,相对于传统的优化算法,智能算法得到了广泛关注。以种群为基础的智能算法是通过对社会性物种行为的了解和研究获得的新方法,他们都是依据群体之间的信息交流,从而快速的寻找到问题的最优解。首先介绍几种智能算法的起源背景,然后对算法生物学机理,算法步骤进行详细的介绍,最后对算法主要改进方向进行了总结。根据对算法的研究,介绍了一种新的智能算法—回溯搜索优化算法[1]。先对新算法的操作流程进行了详细的介绍,针对回溯搜索优化算法收敛速度慢的缺点,在变异策略中提出基于麦克斯韦-玻尔兹曼分布的变异尺度系数,并引进贪婪性的交叉策略,利用麦克斯韦-玻尔兹曼分布产生变异尺度系数,能有效提高搜索效率,加快收敛速度,在交换维数较少的交叉策略中使用向优秀个体群学习过的变异种群进行交叉,在充分保证种群多样性的前提下为交叉策略添加了一定贪婪性,成功避免了以往算法添加贪婪性时易陷入局部最优的缺点。在充分研究了回溯搜索优化算法的前提下,针对人工蜂群算法收敛速度慢和易陷入局部最优的缺点,在雇佣蜂搜索阶段提出了一种基于多维搜索和一维搜索的混合搜索策略,能克服单一一维搜索下收敛速度慢的缺点,有效加快收敛速度,并提出了新的跟随蜂蜜源选择策略,更能保证种群多样性,增强算法全局搜索能力。以PID控制器参数优化问题作为研究对象,将回溯搜索优化算法应用到参数寻优问题上。先根据经验产生搜索区域,以控制器三个参数组成的向量作为智能算法中的寻优个体,建立合适的适应度函数,通过阶跃响应曲线说明该算法比遗传算法能在实际应用中取得较好的优化效果。