优化是具有普遍适用性的工程数学问题,在面对大规模、复杂化应用时传统的数值优化方法难以在有效时间内给出合理解。而现代元启发式算法则能够快速解决这些大规模复杂性问题,并得到满意解。鲸鱼优化算法是澳大利亚学者Seyedali Mirjalili于2016年提出的一种新型全局搜索算法。该算法模拟座头鲸的螺旋气泡网捕食方式,具有机制优越、涉及参数少、结构简单、全局搜索能力强等优点,是近几年进化计算领域最具研究和应用价值的重要算法之一。但鲸鱼优化算法仍存在稳定性不高、收敛速度慢、局部搜索能力较弱等缺点,限制了算法在实际中的进一步应用。本文针对鲸鱼优化算法存在的不足,进行了深入地分析和改进,目的在于改善鲸鱼优化算法的寻优机制和性能,拓展其在函数极值优化、工程设计约束优化及多阈值图像分割方面的应用。本文的主要研究工作如下:(1)提出一种基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法。首先在随机游走觅食策略中引入基于当前全局最优解的反馈机制,加快算法收敛速度,增强求解稳定性;同时在收缩包围策略和螺旋气泡网捕食策略中引入分段式随机惯性权重,不仅提高寻优精度,也增强了算法跳出局部极值的能力;最后对越界处理进行修正和改进,消除了进化成果可能丢失的隐患,解决了若较多个体越界导致越界处理后大量趋同损害多样性的问题。将改进算法与5种代表性算法在12个基准测试函数和6个工程设计优化问题上进行的实验结果表明,该改进算法的寻优性能、求解稳定性、对不同问题的适用性和有效性均明显优于其它5种对比算法。(2)提出一种基于混沌映射和迭代局部搜索策略的鲸鱼优化算法。首先将Logistic混沌映射引入种群初始化阶段,以增加种群的活跃性,减少算法陷入局部极值的可能;同时改进惯性系数a和系数向量C,调节算法全局大范围探索与局部精细搜索的平衡,在保证种群多样性的同时加快算法收敛速度;最后引入迭代局部搜索策略,进一步降低算法陷入局部极值的风险,有利于算法找到全局最优解。理论分析证明该改进算法的时间复杂度与基本鲸鱼优化算法一致,并没有降低算法的执行效率。在13个基准函数上的实验结果则充分说明了该改进算法的寻优精度、收敛速度、求解稳定性和跳出局部极值的能力优于其他5种对比算法。(3)将基于混沌映射和迭代局部搜索策略的鲸鱼优化算法应用于求解多阈值图像分割问题。构建适于求解图像分割问题的编码方式,定义了基于最大熵值的适应度函数,将鲸鱼个体的位置、维度和目标函数适应度值分别对应于图像的像素区间、阈值和熵值。采用最大熵、平均执行时间、结构相似性、峰值信噪比等多种评判方法比较判断图像分割的优劣。通过7种对比算法分割大量图像的仿真实验结果表明,改进算法能够快速分割图像、准确选择阈值、提高图像分割质量,是一种高效实用的图像分割方法。