群体智能优化算法是当前优化算法的研究热点之一，经过近几十年的发展，己成为一种新兴的演化计算技术，并受到各学科领域越来越多研究者的关注。与传统的优化方法相比，群体智能优化算法在解决优化问题上具有更好的稳定性和高效性，且算法结构简单、隐含并行性、易理解和易实现，这些优点有效地促进了其在应用优化技术中的拓展。因而本文进行群体智能优化算法方面的研究具有一定的现实意义。本文首先介绍了本文的研究背景及意义以及群体智能优化算法及其研究现状。其次，在第二章中详细阐述了一种新的群体智能优化算法——烟花爆炸优化算法FEO)，FEO算法为解决优化问题提供了一种新的基础算法。FEO算法主要是模拟烟花爆炸的方式对解空间进行并行的弥漫式搜索直到找到满足条件的最优解。然后，针对FEO算法存在的不足，在第三章中本文结合遗传算法思想提出一种新的改进优化算法，即带有遗传算子的烟花爆炸优化算法(GAFEO)，该算法除主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索外，同时引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化性能。为了验证爆炸算法性能，文中引入30个标准函数进行测试，大量仿真实验表明了爆炸算法的可行性和有效性。