优化问题广泛存在于科学研究和实际生活中,随着信息技术的发展,优化问题变得日益复杂,寻找有效的解决方案变得越来越重要。群智能优化算法是解决优化问题的一类有效方法,随着人工智能技术的发展,新型的群智能算法被不断的提出和应用。松鼠算法（SSA）是2018年被提出的一种性能良好的群智能算法,通过模拟松鼠群的动态觅食、滑行移动等社会行为,建立解决全局最优问题的模型,完成对复杂问题的求解。然而松鼠算法的搜索能力有限,往往需要很大的迭代次数才能达到令人满意的寻优精度,在全局寻优能力和局部搜索能力上还有很大的提升空间。目前,对松鼠算法的研究和应用仍处于初期阶段,还有许多工作有待展开。盲源分离是信息处理技术的一个重要的研究方向,独立分量分析（ICA）是处理盲源分离问题的一种重要方法。传统独立分量分析算法大多存在过度依赖梯度信息、容易陷入局部最优等不足,解的质量无法得到保证。而群智能算法的优化过程不依赖梯度信息,可以很好的弥补传统独立分量分析算法的不足。本文重点围绕松鼠算法展开研究,针对其存在的不足进行改进,并将其应用于解决盲源分离问题。文章的主要内容和创新如下:（1）提出了一种增强搜索能力的松鼠算法（ESSA）。该算法在松鼠算法的基础上引入了两种改进策略,首先通过对满足季节监控条件的普通个体执行反向学习策略增强算法的全局寻优能力,其次在每次迭代产生的较优解个体附近进行混沌搜索增强算法的局部搜索能力。为验证所提算法的有效性,选取了32个测试函数包括单模态函数、多模态函数、CEC2013测试函数集,以及3个经典工程优化问题对所提算法进行寻优测试。实验结果表明:ESSA算法是一种性能优异的群智能算法,在收敛精度和速度上较松鼠算法均有很大的提升,且表现优于其它五种先进的对比算法,能够在较少的迭代次数下得到精度更高的解,并且能够高效的解决实际工程优化问题。（2）将改进后的松鼠算法ESSA应用于解决盲源分离问题。针对传统独立分量分析算法存在的缺陷,提出了一种基于改进松鼠算法优化的独立分量分析算法（ESSAICA）。该算法以信号的峭度绝对值之和作为目标函数,结合ESSA算法较强的搜索能力,对目标函数进行求解,提高了独立分量分析算法的精度,实现了对混叠信号的盲分离。分别对混叠图像信号和混叠语音信号进行了仿真分离实验,结果表明ESSA-ICA算法均能有效的分离出各个源信号,其分离性能较传统独立分量分析算法有较大的提升,且表现优于其它智能算法,能够很好的解决盲源分离问题。本文的研究充实了松鼠算法的理论基础,增强了算法的搜索能力,扩展了算法的应用范围,对松鼠算法的发展具有一定的理论价值和现实意义。