英国剑桥大学学者Yang,于2008年提出了萤火虫优化算法（Firefly Algorithm,FA）。萤火虫优化算法同样也是一种群智能优化算法,有很多学者已经证明过它以其独特的内在进化机制,具有较好的局部搜索能力,简单的数学模型等等优势,在许多优化问题以及应用领域所表现出来的优化性能,都不亚于其它群智能优化算法。但是,萤火虫算法在一些复杂优化问题上的相关研究,例如在多峰函数优化问题上的相关研究并不多,仍然存在着一些问题,比如峰值发现率低,寻优精度不足、收敛速度慢等缺点。鉴于此,本文针对萤火虫算法,做出了研究,主要有一下三点:（1）基于多种群机制的萤火虫算法设计,提高算法的求解多峰优化问题的能力。本文提出了两种生成多种群的机制,第一种为基于固定半径的多种群机制,在每个子种群中最优个体为种群种子,在种群种子周围固定半径内的所有萤火虫个体同属于一个子种群;第二种为基于邻域序号的多种群机制,所有萤火虫个体按编号排列于一个环形拓扑结构,在每个种群种子左右邻域半径内范围内的序号的萤火虫个体同属于一个子种群。十个标准测试函数实验后表明,基于多种群的萤火虫算法相比于标准萤火虫算法在提高准确性、收敛速度和成功率方面拥有良好的改善。（2）加入局域搜索机制的多种群萤火虫算法设计。对于萤火虫算法寻优精度不足,引入了了三种局域搜索机制,第一种为爬山法搜索策略,第二种为模拟退火搜索策略,第三种为适应性搜索策略。并将三种局域搜索机制分别加入到多种群萤火虫算法中。测试函数实验后表明,加入局域搜索机制的多种群的萤火虫算法更有效地求解多峰优化问题。（3）将改进后的萤火虫算法应用于一个简单的PCB电路板识别电阻的问题,设计实验,利用模板匹配的技术,在目标图像中,寻找并定位我们所需要的特征区域和目标元件。从而验证萤火虫优化算法及其改进方案的有效性。体现出智能优化算法的优势的同时也证明了,改进的萤火虫优化算法在处理实际问题上的可行性。