最优化问题是科学研究以及工程应用领域经常遇到的一类问题,因此最优化问题的有效求解具有重要的理论意义和现实作用。然而,大部分复杂的最优化问题都不存在有效的精确算法,因此部分学者将目光转向了近似算法。元启发算法作为一类近似算法,由于其简单直观、通用、鲁棒性强等特点,得到广泛的研究。元启发算法为了解决复杂的最优化问题提供了切实可行的方案,在各领域得到了广泛的应用,并取得了一定的效果。但是,元启发算法并不是通常意义上可以直接用来求解问题的算法,该类算法只是一个通用的算法框架。只有对算法参数进行合理设置之后,该类算法才能有效地求解问题。因此,元启发算法的参数设置或调整问题是亟待解决的重要问题。本文研究了元启发算法参数自调整机制,即如何自动设置和调整元启发算法的参数,使得元启发算法达到较好的性能。元启发算法参数自调整机制具有重要的意义,主要有以下几点：首先,能够将算法开发人员从繁重的人工调参工作中解放出来,降低算法开发的难度；其次,能够提高算法的性能,该机制能够根据问题的特点以及算法的运行情况来自动设置和调整参数,能够提高算法的性能；再次,能够提供统一的算法测试平台,为算法分析和比较提供科学的工具。本文从两个方面研究了元启发算法参数自调整机制：第一个方面是通过离线试验的方法,为元启发算法设置合理的参数,即元启发算法参数的离线设置问题；第二个方面是根据算法运行情况,对元启发算法的参数进行实时在线调整,即元启发算法参数的在线调整问题。本文从多个角度研究了元启发式算法的参数设置问题,并且提出了以下七个有效的参数设置算法。其中,前三种算法用于求解元启发算法参数离线设置问题,后四种算法用于求解元启发算法参数在线调整问题。1.本文将算法的参数离线设置问题抽象成为在算法参数空间内寻找最优解的最优化问题,并且采用元启发算法来解决该参数离线设置问题。在实验中,本文使用模拟退火算法来对算法参数进行设置,取得了较好的结果。2.为了尽量减少参数设置问题中参数实验评估的次数,本文提出了基于性能曲面估计的参数离线设置算法。该算法能够充分利用已经评估过的参数集,根据已评估参数对性能曲面进行建模,并且基于模型进行候选算法参数的筛选。3.本文提出了一种有效的同时处理数值参数和非数值参数的参数离线设置算法。该算法根据数值参数以及非数值参数的不同特点,采取不同的处理方案。4.本文从确定性参数调整方法的角度出发,研究高斯变异算子的参数调整问题,提出了多种新颖的参数调整方案,并且从实验角度证明了方案的有效性。5.本文从自适应参数调整的角度出发,提出了一种可变邻域的混合遗传算法,为问题领域的相关的启发式搜索与通用的元启发算法相结合提供了一种新的思路。6.本文提出了适应性参数调整方法的总体框架,并且提出了两种十分有效的适应性参数调整算法。本文通过对参数调整问题进行充分的分析,并且使用合适的数学模型对其中包含的关键问题进行有效地求解。具体来说,本文提出了基于定量预测的适应性参数调整算法,该算法通过采用局部加权回归的方法来预测参数的性能,并以此为依据来进行参数的调整；本文还提出了基于核密度估计的适应性参数调整算法,通过核密度估计方法估计算法参数对应性能的概率密度分布,从而用于算法参数调整的依据。通过大量的实验对算法的效果进行了比较,证明了参数调整模块在整个算法中发挥了重要的作用。