随着科学技术的发展，工程应用中的数学寻优问题日趋复杂，这类问题伴随着求解难度大、搜索空间广、函数复杂度高等特点，这是传统数学方法所不能有效解决的技术难题。智能优化算法为这类复杂优化问题提供了新的途径，智能优化算法是学者受自然界和生物界的启迪，根据其原理和规律来设计的求解问题的算法，智能优化算法具有分布性、自组织性、协作性、鲁棒性、良好的可扩展性和实现简单等特点。遗传算法作为智能优化算法中的一种概率性搜索算法受到广泛学者的研究，并在许多领域取得丰硕成果。元胞遗传算法将标准遗传算法与元胞自动机结合，将空间结构环境和种群局部复杂交互作用引入遗传算法，改善了遗传算法多样性保持能力。但是元胞遗传算法中的演化规则是一种随机性的演变，具有很大的盲目性，而捕食元胞遗传算法借助自然界中维持生态平衡的捕食理论，将捕食机制替代原有的演化规则，使得个体基因的保留更加智能化，并使种群具有更好的多样性。捕食元胞遗传算法是通过两个种群彼此间的相互制约与促进来推动寻优的一种协同进化算法。在现有的捕食元胞遗传算法中，捕食与被捕食者种群从个体基因型到表现型映射关系完全一致，未能在基因型上对种群进行区分，不能模拟自然界中物种间不同的遗传特性以及行为特性。本文主要从物种的角度对捕食元胞遗传算法进行研究，从基因型上区分不同种群，并对不同种群采用相应的操作来提高算法全局收敛率，主要研究内容如下：(1)研究捕食理论以及其与优化算法的联系，并将捕食机制引入元胞遗传算法，模拟自然界捕食与被捕食的制约关系，并用捕食机制来替代原有的演化规则。捕食机制与个体适应度密切相关，个体适应度的优劣决定了其在种群中的生存能力。同时对两个种群的规模进行控制实现两者的动态平衡，协调全局探索与局部寻优。实验结果表明，捕食元胞遗传算法比传统带演化规则的元胞遗传算法具有更优良的寻优性能。(2)提出一种基于线性映射的多物种捕食元胞遗传算法，通过线性映射实现多物种策略，在基因型上对捕食种群和被捕食种群进行区分，从而使不同物种携带的遗传信息不同，有着不同的搜索特性。在算法寻优过程中，两个物种具有不同的遗传方式，同时根据种群个体信息对映射矩阵系数进行调整，实现对种群搜索方向的控制，从而提高算法跳出局部最优解的能力。(3)对新的算法进行原理性分析，从线性映射如何改变目标问题求解难度、跳出局部最优解过程、物种交叉方式及种群控制等方面对新的算法进行研究。分析结果表明当目标函数最优解处于映射区域内时，映射操作可以降低算法对目标函数的寻优难度，本文所设计的映射操作有利于算法跳出局部最优区域，被捕食种群所采用的两种遗传方式各具特点，两者相互补充，同时两个物种的种群规模控制很好地维持彼此间的动态平衡。