人工鱼群优化算法(简称,AFSA)是过去十几年来由国内学者提出的一种新型自适应的仿生智能寻优算法,此算法以其本身具有强鲁棒性、较好的自适应能力、使用灵活、快的收敛速度等优点从而受到了很多学者的关注。然而传统的基本人工鱼群优化算法在较大区域寻找最优解时容易陷入局部极值区域,甚至出现早熟现象。并且算法寻优的效率依赖鱼群视野和步长的选取,当视野和步长取值较大时,算法运行的初期会具有较快的收敛速度,然而,在算法寻优的后期较易越过极值点所在位置出现在极值点附近震荡这一现象,进而影响算法寻优结果的精度；当视野和步长取较小值时,虽然算法在运算的后期所得精度会有所提高,但是算法在运行前期的收敛速度会比较慢,最终会导致算法整体运行的时间大大延长。目前为止,已经有很多学者对基本算法进行改进,也取得了一些成果。本文对基本人工鱼群算法中的视野和步长进行改进,并结合小生境(Niche)技术设计了一种改进的新型鱼群优化算法,简记作改进的鱼群优化算法(An Improved Artificial Fish Swarm Algorithm,简记为IAFSA)。本文的主要内容概述如下：(1)概括人工鱼群优化算法的基本原理,详细描述了鱼群算法的四个基本行为,并简要描述几种常见的智能优化算法,同时将人工鱼群算法与其他几种优化算法作比较,分析算法间的相同之处与不同之处。(2)设计一种新的动态自适应调整人工鱼视野和步长的策略,同时与最优个体保留策略结合,引入基于共享机制的小生境技术,设计了一种改进的新型鱼群优化算法。(3)改进之后的算法在函数优化领域的应用研究,利用几个标准测试函数来验证算法的寻优性能。