鸡群优化算法（chicken swarm optimization algorithm,CSO）是2014年由Meng等人受鸡群觅食行为的启发提出的一种新型群智能优化算法,CSO算法主要通过对鸡群进行种类划分,然后建立鸡群等级制度进行寻优。鸡群优化算法具有控制参数少、稳定性高等优点,并被用来解决各种优化问题。但从鸡群优化算法自身的迭代机制来言,当鸡群优化算法进入到算法迭代后期时,CSO算法的局部搜索能力下降,会出现算法不再向最优位置进行迭代的状况,因此鸡群优化算法有很大的研究潜力。论文主要内容包括三个方面:（1）对无约束优化问题,鸡群优化算法存在求解精度不高容易陷入局部最优等不足,提出一种基于Levy飞行策略和非线性递减策略的改进鸡群优化算法（ICSO）。该算法通过将Levy飞行策略引入到母鸡位置更新公式以及在小鸡位置更新公式中引入非线性递减策略,增强算法后期的寻优能力,通过8个典型测试问题,对ICSO算法、PSO算法、CSO算法进行数值实验,结果表明ICSO算法对8个测试问题的求解精度和求解速度都有很大提高。最后将ICSO算法应用到机器人路径规划问题中,实验证明改进鸡群优化算法能找到更短的机器人路径。（2）针对基本鸡群优化算法在求解复杂无约束连续优化问题时有求解精度低且搜索盲目性大等缺点,同时鉴于鸡群优化算法本身的更新机制,即当母鸡不再向全局最优位置靠近时,小鸡受母鸡影响也不再向最优位置靠近,提出了一种基于Levy飞行和收缩因子策略的改进鸡群优化算法（LCSO）,该算法将Levy飞行策略引入到母鸡位置公式以及在小鸡位置公式中结合收缩因子策略,提高算法后期的局部搜索能力。通过8个测试问题数值实验,LCSO算法在所得目标函数值精度以及算法稳定性方面相比于基本鸡群优化算法都有较大提升。最后将改进鸡群优化算法（LCSO）应用到发射器定位问题中,结果表明,改进的鸡群优化算法可以更准确的定位到发射器位置。（3）对于约束优化问题,在基于Levy飞行和收缩因子策略的改进鸡群优化算法基础上,提出了一种结合罚函数的改进鸡群优化算法（PF-LCSO）,PF-LCSO算法首先借助罚函数把约束优化问题转化成鸡群优化算法可以求解的无约束优化问题,再用第二部分改进的鸡群优化算法（LCSO）求解所得的无约束优化问题。使用6个标准约束优化问题对其进行数值实验,结果表明PF-LCSO算法相比于其它约束优化算法所得解的精度更高、稳定性更强。最后将PF-LCSO算法应用到压力容器设计实际工程问题上,结果表明PF-LCSO算法能求得更低的成本,能更好解决压力容器设计问题。