科学研究和实际工程应用中的复杂寻优问题一直备受关注,而生物地理学优化算法为这些复杂优化问题的解决提供了一种新的途径。生物地理学优化算法具有机制新颖,结构简单,易于实现等特点。然而,算法中的算子在算法进化过程中容易导致种群出现同化现象,使得种群多样性降低,从而弱化算法的探索能力。因此,需对算法相关方面进行研究和改进以提高算法的性能,使其满足实际应用中的需求。工业生产中,如何快速、准确地计算机械零件的形位误差已随着现代制造技术的迅速发展受到越来越多的重视。形位误差评定的本质就是对一个复杂非线性函数的最优化问题,而智能优化算法在处理这类问题是有着不可替代的优势。本文就生物地理学优化算法中存在的问题并在已有研究的基础上做出进一步改进,使算法在搜索能力和收敛速度方面得到改善,并将改进后的算法在形位误差评定中的应用展开一定探索。本文所做的主要工作包括:(1)首先详细阐述了对本课题所涉及内容的研究背景;接着对生物地理学优化算法做了详细介绍并将该算法与其他几种进化算法在基准函数上进行实验测试,通过它们对这些函数优化结果和表现的分析找出生物地理学优化算法中存在的不足,为后续的改进工作建立了基础。(2)迁移算子和变异算子作为生物地理学优化算法的核心算子,对于算法的性能至关重要。本文在对算法的改进中提出了二重迁移算子和二重变异算子。改进后的算子能够明显提高特征信息在栖息地之间的迁移效率,确保在突变概率和进化代数不变的情况下增加栖息地内发生变异的机会和产生更好结果的概率,由此使得种群的多样性和算法的开发能力能够在进化过程中得到保持和增强,另外引入一种惩罚函数机制用来保证被操作的个体特征信息不超出规定的取值范围。通过基准函数的数值实验仿真证明,改进后算法的性能有了明显提高。(3)对机械零件的形位误差评定一直是加工制造中的重要一环,准确测得零件的形状误差始终是业内及相关研究人员普遍关注的问题。本文将改进后的算法应用于形位误差的评定。通过对圆柱度误差和空间直线度误差数学模型的优化求解,实现了对它们的有效评定,为形位误差评定的方法箱提供了一种新的工具。