由于传统优化方法存在诸多不足，一些具有全局优化性能且通用性强的群智能优化算法被各领域广泛的关注和应用。近几年，部分学者开始尝试对微生物的生理特性进行深入研究，并完成了建模仿真的工作，以此为基础提出了细菌觅食优化算法(BFO)。BFO算法原理简单且算法有效性强，而且BFO算法中设置的迁徙操作能够避免算法早熟。研究学者们对BFO算法进行了一定的研究，对算法的性能做出了一些改善，但算法的收敛速度依然较慢且收敛精度不高。因此，需要对该算法进行深入研究。本文针对当前BFO算法存在的问题，提出了一种采用混沌扰动策略的细菌觅食优化算法(CDBFO)。针对算法初始种群分布不均匀的问题，采用数论中的佳点集来初始化细菌种群，保证细菌种群在搜索空间均匀分布，以此来增强细菌种群的多样性，有效提高了算法的寻优能力；针对算法在趋化操作中存在步长一致、寻优速度慢的缺陷，将经典BFO算法中固定的趋化步长修改为动态变化的趋化步长，根据趋化进程和细菌当前的适应值实现自适应的趋化步长的调整，使算法能够快速收敛；针对经典BFO算法中复制操作导致种群多样性下降等问题，将混沌和遗传算法引入其中，使细菌种群的多样性增加，寻优精度也得到了提高。实验表明，CDBFO的性能明显优于经典BFO，有效地提高了算法的寻优精度，加快了收敛速度。避免了算法早熟。如今数字图像在社会生产和生活的各个领域广泛应用。如何快速地从大量的图像信息中检索出所需的图像变得越来越重要。由于BFO算法具有算法简单，鲁棒性强，且适用于并行计算等特点，本文将CDBFO算法应用于图像检索中。由于使用单一特征的图像检索技术在大多数情况下不能很好的表示图像所包含的内容，而融合了多种图像特征的图像检索技术刚好能弥补这一缺陷。本文分别提取了图像的颜色和形状特征，并用具有不变性的矩向量来描述这些图像特征，并采用改进的细菌觅食优化算法进行图像检索。由实验结果可以得出，本文提出的图像检索方法简单有效，且检索速度快。在后续的研究工作中，将针对算法求解精度不高的问题，着重研究对算法迁徙操作的改进，从而可以是算法更加有效的避免早熟，使其能够更加适应实际工程的需要。