果蝇优化算法是基于果蝇群体在觅食过程中的合作与竞争行为，提出的一种新群智能优化算法，能够用于高效地解决实际工程优化问题。本文主要研究了果蝇优化算法及其应用，包括：优化灰色神经网络参数用于空调订单预测、训练神经网络结构用于模式识别及运用改进的离散果蝇优化算法求解置换流水线调度问题。首先，详细描述基本果蝇优化算法，归纳了其在发展中的各种改进策略，并对果蝇优化算法的应用领域进行总结。其次，分析了果蝇优化算法训练灰色神经网络的相关参数，并将其用于空调订单销量的预测。针对灰色神经网络随机初始化参数产生训练不充分及易陷入局部最优进而影响预测精度的问题，采用果蝇算法对其参数进行优化，在提高预测精度的同时加快了收敛速度。实验结果表明，此算法能够推广到贫数据的不确定性系统预测问题中，具有非常良好的应用前景。随后，针对至今仍未有将果蝇优化算法用于训练神经网络结构的研究，本文创新性地提出了基于连接结构的自适应果蝇优化算法SFOA，用于同时对神经网络结构和权值进行优化。该算法采用基于连接结构的等长编码表示非全连接结构的神经网络，采用递减步长的自适应嗅觉随机搜索策略，实现全局寻优性能与局部搜索能力之间的平衡。通过多个标准模式分类数据库对网络的分类性能及优化效果进行测试，结果表明该方法能够充分对网络进行训练，显著减少冗余连接，有效提高了网络的信息处理能力。然后，针对果蝇优化算法未能有效应用到组合优化领域的缺陷，提出一种改进的果蝇优化算法——多种群自适应离散果蝇优化算法，求解置换流水线调度问题。该方法利用混沌算法的随机性和编历性对果蝇种群进行初始化，增强了种群的多样性且分布更均匀；在种群内部采用基于自适应步长的分类嗅觉随机搜索策略，实现全局与局部寻优性能的平衡，并有效避免早熟；并采用基于移民操作及精华库的多种群协作进化机制，在实现种群间的信息交换与共享的同时，利用精英个体最少保持代数替代人为设置的最大迭代次数作为终止条件。最后使用国际标准测试库验证了本文改进算法的有效性和稳定性。最后，作者对所研究课题有待进一步研究的方向以及发展前景进行总结与展望。