各个领域都具有在特定要求下求得最优解的问题。在指定的前提条件下求解复杂问题的最优解是一项艰巨的任务。生物群智能优化算法为求解典型的优化问题提供了新思路和新方法。生物群智能优化算法在优化约束条件较多的复杂问题时不易跳出局部最优,综合利用各种生物群智能优化算法的互相协调补充和互异性,实现了信息的有效共享与取其长补其短,从而增强算法的整体性能。多种算法间的融合可分为三种结构:嵌入式结构,伪并行结构以及串行结构。具体如下:（1）提出了一种嵌入式结构的基于跟踪模式和搜寻模式的改进灰狼优化算法。利用搜寻模式以及跟踪模式以提高算法的随机性进而提高了种群的多样性和算法平衡勘探与开发的能力。将改进算法以及其他群智能算法对单目标测试函数分别进行优化,得出改进算法比其他智能算法的精度高的结论;为进一步证实所选取的嵌入式混合因子的效果,实验将改进算法与二进制灰狼算法,混合粒子群灰狼算法,混合布谷鸟搜索集成灰狼算法这四种算法进行比较,采用优化20个典型基准功能分别比较获得的统计仿真结果,结果表明改进算法的性能更加优越。（2）提出了一种嵌入式结构的基于螺旋复路径搜索模式的改进蚁群优化器。由于蚁狮的捕食半径随迭代次数增加而减小,难以跳出局部最优循环,本文采用了8种螺旋搜索路径（圆内旋轮线,玫瑰螺线,对数螺旋曲线,阿基米德螺旋曲线,长幅圆外旋轮线,对数螺线,摆线,超调参数设置的螺线）提高种群多样性。并对改进算法进行了性能分析包括复杂度分析和收敛性分析。最后进行了数值优化实验,单目标实验证明改进算法的精确度明显提高以及收敛速度加快。多目标实验证明加入嵌入式混合的改进多目标算法的综合评价指标,分布评价指标,收敛性评价指标都优于MOALO。（3）提出了一种伪并行式结构的基于迁移模型的伪并行混沌自学习羚羊迁移算法。将9种混沌自适应藏羚羊迁徙算法进行内部优化之后,提高种群在随机性和多样性引入5种迁移模型执行迁移操作及变异操作用来提高算法的全局搜索能力,形成伪并行混沌自适应藏羚羊迁徙算法。最后用两种实验证明提出的基于迁移率模型的伪并行算法的优越性,首先利用CEC-2017函数对改进算法的性能加以测试,实验结果表明改进算法得到的平均值比自学习羚羊迁徙算法接近函数最优值的。然后对4个工程优化问题进行仿真实验,包括三杆桁架设计,焊接梁设计,压力容器设计和弹簧设计问题。实验结果表明,改进算法能较好地解决功能优化和工程优化问题。