关于启发式优化算法及应用的研究近年来受到人们的广泛关注,并获得了良好的实际效果。本文对差分进化算法、粒子群优化算法、和声搜索算法及其应用进行了研究,主要工作如下:(1)为克服已有二进制和声搜索算法的缺陷,提出了适于求解大规模0-1背包问题的简化二进制和声搜索算法(SBHS)。首先,设计了一种基于和声记忆库差异信息的无参数和声创作模式,该模式不再依赖音调微调概率(PAR)和音调微调幅度(bw),无需任何参数即可创作出新的和声向量,大大减轻了参数设定的困难。其次,参数和声记忆库考虑概率(HMCR)被设计成了随问题维数动态调整的形式,使得SBHS算法适于求解各种类型的问题。再次,深入研究了 0-1背包问题的特性,提取出特殊的启发式信息,以引导算法在不可行解附近进行局部搜索,找到质量更高的可行解。所提出的修复策略既能保证解的可行性,同时能够提高算法的收敛速度和收敛精度。最后,以多组低维和高维0-1背包问题作为测试函数进行对比实验,结果表明SBHS算法无论在精度、收敛速度还是鲁棒性上均优于近期提出的改进和声搜索算法。(2)针对和声搜索算法做更进一步的研究,提出了一种有效求解多维0-1背包(MKP)问题的新和声搜索算法(NBHS)。与传统求解连续问题的和声搜索算法不同,NBHS算法对和声搜索算法的框架进行了调整,使其能够适应离散问题的特性。与其他和声搜索算法相比,所提NBHS算法主要有以下4点不同:①相比于连续浮点编码,NBHS算法采用了更切合离散问题的二进制编码方法;②NBHS算法在进行和声记忆库考虑时,不再考虑自变量的具体数值,而是重点关注数值的概率分布情况,同时提出一种动态的自适应调整方式来确定参数HMCR的值,使其更加适合搜索过程的需要;③NBHS算法设计了一种新的音调微调策略,该策略无需其他和声搜索算法中使用的音调微调概率(PAR)以及音调微调幅度(bw)两个参数,仅根据和声记忆库中的两个随机和声即可创作出新和声;④基于MKP问题的特殊性,NBHS算法提出了一种简单但有效的修复策路,保证和声的可行性,以此增强算法的开发能力和收敛速度。在两组大规模MKP问题上进行了大量的仿真实验,结果表明NBHS算法的性能优于现有的先进算法,是求解MKP问题的有利选择。(3)认真研究了粒子群算法在整数规划问题中应用,并以冗余策略可选择的冗余分配问题(RAP-MSC)作为实际应用背景。RAP-MSC将每个子系统使用的冗余策略作为额外的变量来看待,增加了模型的实用性,但急剧扩张的搜索空间也给问题的求解带来了很大困难,尤其是大型系统。为改善求解方法缺乏的现状,提出一种简化的粒子群优化算法(SPSO),用以求解这个NP难问题。SPSO算法舍弃了速度更新公式,以消除早期速度对搜索的不良影响,同时设计了一种带随机扰动的新位置更新方法。此外,还提出了一个新的部分连接的动态随机拓扑结构,引导粒子间的交流以及粒子的运动,以便更好的均衡局部搜索和全局搜索。与诸多PSO算法以及现有求解算法的大量对比实验表明,SPSO算法明显优于这些对比算法,可以作为复杂RAP-MSC问题的高效求解工具。(4)根据李普希兹条件提出一种基于预测的约束处理方法,继而提出基于约束预测的自适应分组差分进化算法(AGDE)。该算法在处理约束时不直接计算约束值,而是进行简单的预测,然后进行处理。在约束条件较复杂时,大大减少因计算约束值带来的计算量,同时最大程度的保持解的可行性。对差分进化算法进行改进,为其设计新的差分变异算子,在最优解搜索的过程中,根据种群的动态信息实时的自适应调整交叉率与变异率,使其适应种群进化的需要,提高算法的收敛速度和精度。四组对比实验的结果表明约束预测方法及算法改进是可行的、有效的,能较好地解决约束优化问题。