作为一种仿生智能优化算法,细菌觅食优化算法主要模拟了大肠杆菌在生物肠道内觅食的行为和规律。该算法需要较多的参数设置,但原算法中的某些设置会使其在一些特定问题上并不具备优势。在研究原始算法的基础上,本文着重研究并实现了两种改进的细菌觅食优化算法,主要工作如下:第一,通过对算法的趋化行为、复制行为及迁徙行为进行改进提出了C28-BFO算法。对于趋化行为提出使用一种递减的复合函数作为趋化步长,使其具备初期较大而后期较小的特点。对于复制行为引入管理学上的二八定律改进种群对优秀个体的筛选。对于迁徙操作,引入梯度化的思想将固定的迁徙概率改进为梯度迁移概率,使不同等级的细菌进行各自有针对性的迁徙活动。第二,引入基于收缩因子的粒子群算法的相关优良特性,改进了趋化行为和复制行为从而提出CPSO-BFO算法。对于位置更新,提出使用粒子的更新速度代替大肠杆菌个体的前进方向调整矢量。对于趋化行为,引入几种特殊函数的复合函数作为趋化步长兼顾了算法搜索范围和精度的平衡。对于复制行为,引入噬菌体觅食大肠杆菌的生物特性来实现对优秀个体的筛选,使种群具备更多优秀个体以提升算法性能。通过大量的仿真结果证明了本文所提出算法的有效性和实用性。相比BFO算法,两种改进算法都具有更好的整体收敛性能。其中C28-BFO算法拥有更快的搜索速度,而CPSO-BFO算法具有更高的搜索精度。