理想的群集智能算法（Swarm Intelligence,SI）能够快速找到优化问题的一个可行解,其目的是尽快取得全局最优解,而非陷入局部最优。然而现有的群集智能算法往往存在收敛速度慢和易陷入局部最优的问题。羊群算法（Sheep Optimization,SO）是一种模拟羊群行为的新型群集智能算法,它根据群集智能算法的三种策略:全局探索、局部开发和跳出局部优化,分别通过模拟羊群的三类行为:头羊引领、羊群互动和牧羊犬监督解决优化问题。SO算法在一些简单测试函数上,能够取得较高质量的解、具有较快的收敛速度和较高的稳定性。但在求解复杂的数值优化和工程优化问题时,SO算法仍有改进潜力。因此,基于SO算法,本文提出一种三阶段优化羊群算法（Improved Sheep Optimization,ISO）,通过大量实验验证ISO算法的性能。实验结果表明,ISO算法能够有效地提高SO算法的收敛速度和求解复杂函数能力。此外,针对边缘计算中的内容放置问题,现有的研究方法在对内容放置问题进行建模时,通常只考虑时延、能耗和成本,然而忽略了用户的满意度,难以为更多的用户提供高满意度的服务。本文设计一种基于用户满意度和内容存放概率的内容放置模型,采用ISO算法优化该模型中的内容放置问题。本文分别从边缘缓存平均命中率和用户平均满意度两个方面评价基于ISO算法的内容放置策略。本文具体工作如下:首先,本文对SO算法进行优化,提出ISO算法。ISO算法分别从全局探索、局部开发和逃离局部最优三个角度改进SO算法,以提高求解复杂优化问题的能力和收敛速度。具体改进为:在头羊引领阶段,引入梯度下降策略,加快领头羊的收敛速度,提高算法的全局探索能力;在羊群互动阶段,采用逐维策略在求解空间中探索更广阔的区域,提高算法的局部开发能力;在牧羊犬监督阶段采用变邻域搜索策略,帮助算法逃离局部最优,平衡算法的全局探索和局部开发能力。然后,本文在CEC 2017测试函数上进行大量实验以评估ISO算法的性能。实验结果表明,相较于粒子群算法等对比算法,ISO算法在解质量、收敛速度和稳定性等方面性能最佳。在30个测试函数上,与CEC会议中排名前10的先进算法以及7个改进算法对比,ISO算法获得的最佳解决方案数量最多。ISO算法不仅在低维度优化函数上表现突出,在解决7个1000维大规模测试函数上仍然保持其优良性能。此外,本文在齿轮系设计、调频声波参数估计和扩频雷达多相码设计三个实际工程问题上进行大量实验,以全面证实ISO算法的性能。实验结果表明,ISO算法在解决三个实际工程问题时展现出其较优的有效性与灵活性。最后,针对边缘计算内容放置问题,本文设计一种基于用户满意度和内容存放概率的内容放置模型,采用ISO算法优化内容放置模型,解决现实优化问题。本文分别从边缘服务器缓存命中率和用户满意度两个方面评估基于ISO算法的内容放置策略的性能。实验结果表明,相对其他内容放置策略,本文提出的内容放置模型提高了边缘缓存命中率和用户满意度。此外,本文还分析了边缘服务器容量和用户数量设置不同时,基于ISO算法的内容放置策略的有效性。