2011年史玉回老师提出一种新的群智能优化算法——头脑风暴优化算法。算法采用聚类思想搜索局部最优,通过比较多个局部最优逐步得到更好的解;算法采用变异思想增加了多样性,避免算法陷入局部最优。头脑风暴算法思想新颖,在保持收敛性和多样性的过程中搜索最优解,适合于求解多模高维函数优化问题。目前,它已被广泛应用于电力、航空、无线传感器和金融等多个方面。然而原始的头脑风暴算法局部搜索能力较弱,全局搜索能力也不强。为了提升头脑风暴算法解决复杂问题的能力,本文首先提出一种改进的全局版本的头脑风暴算法。在算法前期,采用随机向前算子保持种群的多样性;算法后期,采用全维邻居搜索策略,提高算法在全局最优解的每一维附近的局部搜索能力,加速算法的收敛。受基于多种群的集成变异策略的差分进化算法的启发,本文还提出一种基于多种群的创造算子集成的头脑风暴算法。整个种群由三个规模较小的指示子群和一个规模较大的奖赏子群构成。三个不同的创造算子被分别用来更新个体。每隔若干代,现阶段表现最好的创造算子被用来更新奖赏子群中的个体,获得更多的计算资源。最后,为了进一步提升基于多种群的创造算子集成的头脑风暴算法的性能,一种新的带松弛选择机制的头脑风暴算法被提出。在聚类阶段,采用随机聚类方法来减小计算负担。在创造个体阶段,提出了新的第三创造算子。在选择个体阶段,一种带松弛的选择机制取代了贪婪选择机制。将三种改进算法在基准函数测试集CEC 2005和CEC 2015上进行试验,实验结果表明三种改进算法与多个经典比较算法相比,性能更优。