现实世界中,计算机、生物、化工、航天等诸多领域中的很多问题都属于多模态优化或者旅行商问题,例如模糊系统的参数设计和风险投资等都可以转化为多模态函数求解极值问题,车辆运输路线规划和受灾人群疏散路线设计等都是建立在旅行商问题模型之上的。研究如何高效快速地处理好多模态优化问题和旅行商问题,可以为实际生活中的相关问题提供良好的解决方案,具有重要的研究价值和实用意义。自然启发式算法由于操作简单且只需要相应的启发式信息来指导搜索方向,已经成为处理这两种问题的主流方法。鲸鱼优化算法作为一种新兴的自然启发式算法,已经被证实在处理优化问题上具有强大的性能。因此,在本文中,采用鲸鱼优化算法作为处理这两个问题的优化方法。本文针对上面提到的两个问题,分别提出用于处理多模态优化问题的多模态鲸鱼优化算法和用于求解旅行商问题的离散鲸鱼优化算法。为了能处理多模态问题,引入两种聚类算法作为小生境方法,并改造经典鲸鱼优化算法以适应多模态优化问题,还引入基于高斯采样的局部搜索策略来改善解的质量。为了处理旅行商问题,本文重新设计经典鲸鱼优化算法的包围猎物,泡泡网攻击和随机搜寻猎物三个算法部分,并用2-opt局部搜索算法对部分解进行优化处理,改善解的精度,使之更接近最优解。最后,分别用实验证明多模态鲸鱼优化算法在多模态优化问题上以及离散鲸鱼优化算法在旅行商问题上的有效性。此外,把多模态鲸鱼优化算法和两种先进的多模态优化算法进行比较,验证多模态鲸鱼优化算法的优越性和竞争力。把离散鲸鱼优化算法和三种处理旅行商问题的优化算法进行比较,证明离散鲸鱼优化算法在旅行商问题上的先进性和稳定性。