近年来,随着计算机技术以及生物智能技术的快速发展,包括人工萤火虫群优化算法、遗传算法、蚁群算法、模拟退火法、群搜索算法等生物智能算法被越来越多的人所重视.这些算法具有简单易实现、鲁棒性强、易于和其它算法融合等优点,在解决复杂优化问题方面表现出优异的性能.在生产、生活中很多问题可归结为目标优化问题,因此,智能算法研究是一个具有重要理论意义和实际应用价值的课题.本论文的主要工作如下:　　论文第二章主要介绍了 Matlab软件的发展及其应用.利用 Matlab软件具有较高的运算精度,及其在处理数值和符号计算等方面的独特优势来处理经济上的数据挖掘问题.对沪深(HS300)股票在某段时间内的交易数据进行分析,并得出交易总盈利、总交易次数、盈利次数、胜率等相关数据结果.结果显示,利用 Matlab软件进行数据分析具有编程简单、处理速度快、结果准确等优点.　　第三章主要讨论了萤火虫群优化算法(GSO)和群搜索算法(GS).我们借鉴群搜索算法的研究,将“游荡者”的方法引入到萤火虫群优化算法中,提出一个改进的萤火虫群优化算法.该方法以人工萤火虫群优化算法为主,辅以群搜索算法中的“游荡者”方法,使得改进后的萤火虫群优化算法可以尽量避免陷入局部极值.数值实验表明,改进后的算法,在收敛速度、避免陷入局部极值方面,都有了很大的提高.　　在第四章中,我们对遗传算法在交通控制中的应用进行研究.利用遗传算法的群体搜索策略和群体个体之间的信息交换、搜索不依赖于梯度信息等特性,将遗传算法应用于八通、四车道且及行人的交通控制系统中,并且考虑了可以进行左转弯的车道情形.实验数据表明,采用遗传算法控制的交通系统比原固定周期时间的交通控制系统更灵活更节约运行时间.对于缓解交通日益拥堵的城市交通,具有良好的效果.　　论文第五章是对本文所做主要研究工作的总结和概括,并指出今后可以进一步研究的一些问题。