数值优化问题广泛存在于工程和科研领域。演化算法作为一类新兴的启发式优化算法,因其简单、高效、全局搜索能力强等特点,在数值优化领域得到了越来越广泛的应用。然而,多数演化算法都会面临“维数灾难”问题,它们的求解性能会随着问题维数的增加而迅速下降。针对这一问题,本文研究基于模因算法(Memetic Algorithms, MAs)的高维数值优化相关技术,重点围绕改进局部搜索算子开展研究。主要研究工作和创新之处如下：1.在MA框架下,设计了一个自适应局部搜索深度算子,可以根据当前的搜索状态动态地调整局部搜索深度。在CEC’2012大规模全局优化算法竞赛测试函数集上的实验结果表明,自适应局部搜索深度算子可以有效改善MAs在高维优化问题上的求解性能。2.将合作协同演化策略(Cooperative Coevolution, CC)与局部搜索算子结合。通过大量实验,研究在MA框架下结合CC策略后的局部搜索算子在求解高维数值优化问题时性能的变化情况,取得了一些有意义的结果。