群智能计算优化算法是一类模拟自然界中行为简单的个体在相互作用过程中涌现产生的整体智能行为的算法。因其简单的原理和易于实现等特点为各个领域所接受。但大多数群智能计算优化算法需要依靠大量种群的迭代来获取最佳解,因此对算法所运行的环境和条件有着较高的要求。随着计算机硬件的飞速发展,普通的计算机已经基本能够满足群智能计算所需的软硬件环境。但仍然有一些工程领域,或者因为各种环境条件的限制,不能提供足够的硬件资源来确保满足优化算法的运行;或因为工程需要,必须得到实时结果;或者因为容错要求,硬件必须简单可靠。在上述综合条件下,采用传统的群智能计算优化算法来处理这些优化问题,显然难以达到工程具体的需求。这要求必须在传统的群智能算法的基础上进行改进和创新,满足上述特殊条件下的优化需求。本文以上述特殊工程环境要求为背景,研究传统群智能计算优化算法的理论和方法,改进现有的群智能计算优化算法,简化算法流程、在传统群智能计算优化算法中融入新的数学方法和思路来增强算法的寻优能力。与此同时,设计新的简洁式智能优化算法,并采用不同简洁搜索算子结合来提高算法的收敛效率,减少其对计算机硬件资源的依赖,达到同样或者更好的优化结果。本文从减少计算量和节约运行空间两个角度来设计和实现了整个课题,主要内容包括:(1)改进蚁群系统算法,从信息素的表达方式入手,简化信息素的更新方式、减少算法运行的参数、降低了整个算法的计算量,同时节约了算法所需要的运行空间,并在一定程度上加快了算法的收敛速度;(2)在正态分布模型的基础上,设计了一种全新的简洁式猫群算法。加入新的差分算子来增强算法的探索能力,并用新的算法成功嵌入到简单医疗设备中解决灰度图像切割问题;(3)设计了一种全新的基于Gamma概率模型的扰动向量来描述小样本问题,使得新的概率模型下产生的解更具代表性和真实性,为小样本问题的优化提供了一种新的解决思路;采用梯度下降法来节省算法的计算成本,并把它用来解决MP3播放器中音频水印嵌入优化问题。(4)结合SVM分类器,利用简洁式猫群算法优化居家健康照护设备中用嘴唇和眼睛的开闭状况构成的人脸表情识别问题。整个课题以降低智能优化算法的时间复杂度和空间复杂度为主线而设计,大量的实验结果表明,本研究设计的算法基本达到预期的效果,具有很好的应用前景。