随着科学技术日新月异地发展,现实中的工程优化问题逐渐向复杂化、高难度发展,优化问题的求解方法已经成为一个非常重要的研究课题,而高维、不可微等复杂问题已经无法用传统的确定性优化算法求解,因此启发式优化算法因其智能性、高效性成为了解决复杂优化问题的便捷工具。类电磁机制算法(EM)是一种智能全局优化算法,其借鉴了电磁场中带电粒子之间的吸引排斥机制,其优势体现为所需资源少、寻优机制简单以及搜索能力强。然而,对于高维复杂问题,采用类电磁机制算法求到的最优解还是不够精确,因此仍然需要提高类电磁机制算法的精度与效率。本文对类电磁机制算法进行了深入研究,并针对经典类电磁算法中存在的初始种群不均匀、局部搜索范围固定、移动公式自适应差等问题,提出了一种自适应的类电磁机制算法。首先结合均匀设计与佳点集方法,构造任意点数且分布均匀和宽广的初始种群;给局部搜索公式增加了一个自适应搜索参数,加快了局部搜索的速度,提高了效率;设计了一种高效的自适应移动算子,加快了收敛速度;将遗传变异思想融入移动公式来更新粒子,使得粒子移动到其它可行区域的概率增大。实验表明本文改进的算法能获得更高的求解精度以及更快的收敛速度。互联网与多媒体技术迅速发展,各行各业对图像的应用越来越广泛,如何准确地表达并检索图像变得更加重要。本文将改进的类电磁机制算法应用到图像检索当中,在基于内容的图像检索领域,单独采用颜色特征、纹理特征或者形状特征都无法准确地描述一幅图像的内容,因此研究将多种特征相融合形成特征向量进行图像检索就显得非常有必要。本文在提取图像的特征时,首先将图像分块,分割成不同区块,计算每个分块的平均颜色值、二阶颜色矩和纹理特征值等不变量构造图像的特征向量,并采用本文改进的类电磁机制算法进行图像检索。通过仿真实验证明,本文提出的采用改进类电磁机制算法进行图像检索的方法能成功检索到目标图像,且速度更快,准确度更高。在接下来的研究工作中,将继续改进类电磁机制算法,主要就如何提高求解精度进行进一步深入研究。并将改进的算法应用于更多实际工程问题。