樽海鞘群算法(Salp Swarm Algorithm,SSA)是Mirjalili等人通过模拟樽海鞘在海洋中移动和觅食时的群体行为,于2017年提出的一种新的群智能优化算法。该算法具有结构简单、参数少和易操作等优势。然而,与其他群智能算法类似,SSA也存在收敛速度较慢、在迭代后期种群多样性丢失、难以平衡其探索和开发能力等缺点。因此,本文对樽海鞘群算法进行改进并拓宽其应用领域,具体工作如下:(1)提出改进的樽海鞘群算法及在焊接梁问题中的应用为提高樽海鞘群算法的求解精度和收敛速度,提出一种改进的樽海鞘群算法。首先,对领导者个体执行精英反向学习策略以平衡算法的勘探和开发能力;然后,为提高算法的求解精度,受差分进化算法的启发,引入一种差分策略来更新追随者位置;最后,在搜索过程中对食物位置进行Gaussian变异以避免陷入局部最优,为算法进行全局搜索奠定基础。在13个标准测试函数和一个经典工程问题上进行了实验,结果表明,改进的樽海鞘群算法的搜索性能明显优于其对比算法。(2)提出基于拉普拉斯交叉和Disruption算子的樽海鞘群算法为增强樽海鞘群算法的探索和开发能力,提出一种基于拉普拉斯交叉和Disruption算子的樽海鞘群算法。在领导者位置更新中引入拉普拉斯交叉算子,以增强算法的局部开发能力;在追随者位置更新中引入Disruption算子,使算法的全局探索和局部开发能力得到较好的平衡;最后,将改进算法与其他5种群智能算法在CEC 2014基准测试函数上进行仿真对比实验。结果表明改进算法求解精度高和收敛速度较快,尤其是在求解复杂多峰函数上。通过Wilcoxon检验和性能指标分析,表明该算法具有更好的性能。(3)提出多策略集成的樽海鞘群算法的机器人路径规划针对求解机器人路径规划问题,提出了一种多策略集成的樽海鞘群算法。在该算法中,提出了一种新的自适应领导者结构,以平衡算法的探索和开发能力;混沌系统的级联可以提高级联混沌系统的Lyapunov指数,因此引入Logistic-Cubic级联混沌映射作为食物源的扰动算子,以避免算法陷入局部最优;采用基于自适应参数的分散觅食策略使部分追随者探索有前景的区域。在CEC 2014测试集的多种函数上,本文算法与3种改进的樽海鞘群算法和7种先进的群智能算法进行比较,结果表明本文算法综合优化性能更好。将其用于求解机器人路径规划问题,其中用三次样条插值对路径进行平滑。在障碍是8,9,13的环境下分别进行仿真实验,结果表明,本文算法在给定的仿真场景下与给定的对比算法相比获得了最好的结果。