近年来,许多群智能优化算法已经被发现和改进,并成功应用于各种数值和组合优化问题中,例如,差分进化算法、粒子群优化算法、蝙蝠算法和狼群算法。由于群智能优化算法可以在合理的时间内为非线性、高维复杂、NP难问题能提供可接受的解决方案,因此它的普及性将会继续增加。鸡群优化算法是在2014年提出的一种新的群智能优化算法,该算法具有强的全局搜索能力、自适应能力和多子群协作搜索能力等优点,被广泛用于解决各种优化问题。本文针对鸡群优化算法的改进和应用进行了如下研究:(1)针对基本鸡群算法在求解高维优化问题时过早收敛于局部最优和收敛速度慢等问题,提出了一种耗散结构和差分变异混合的鸡群算法。该算法通过将耗散结构引入到雄鸡位置更新公式中,扩大了鸡群算法的搜索空间,增强算法的全局搜索能力;同时,对随机选择的部分个体进行差分变异操作,抑制种群多样性的迅速衰减,增强算法的收敛性能。通过从收敛速度、求解精度和稳定性三方面对改进的算法与其他算法进行仿真分析,优化对象为18个典型测试函数,实验结果表明了该算法的有效性和可行性。(2)针对鸡群优化算法在求解0-1背包问题时收敛速度慢、求解精度低等问题,提出了一种改进的二进制鸡群优化算法。为了保持基本鸡群优化算法优秀的进化特点,一种实数和二进制混合编码被提出,即算法是基于实数向量搜索,而需要求的解由二进制向量表示;另外,提出了一种修复策略,来增强算法获得的解的质量;最后,设计了一种变异操作减小群体陷入局部最优的危险,从而加速了算法搜索空间的能力。通过将改进的算法和其他典型的算法对10个背包问题进行仿真实验,并以寻优速度、收敛精度、稳定性和运行时间为四个准则进行分析,结果表明,改进后的鸡群优化算法在求解背包问题时更有效。