群智能是从自然界社会性动物的群体行为中抽象出来的计算模型,其理论和应用均存在大量问题并尚待进一步的深入研究。鲸鱼优化算法作为一种新型的群智能优化算法,具备原理简单、便于理解与实现、通用性强等优点,其寻优机制来源于座头鲸的捕食行为。算法自2016年提出以来受到国内外学者的广泛关注,短短4年已被广泛应用于生物医学、生产调度、机器人、数据挖掘等诸多领域。然而,算法的研究仍属于初期阶段,还有许多工作需要展开,本文从理论和应用两个方面对鲸鱼算法进行了研究,主要工作如下:(1)提出一种基于非线性策略的高斯扰动鲸鱼优化算法(GWOAN),采用非线性变化策略对基本鲸鱼算法进行调整,提高算法求解精度与寻优速度;对当前最优个体实施高斯扰动,提高算法全局搜索能力,求解10个函数优化问题,获得了理想的效果。(2)提出一种逐维评价的鲸鱼优化算法(DDWOA),将tent混沌映射作用于算法初始化阶段,引入非线性递减权重有效平衡算法全局搜索与局部开发,采用逐维评价策略,确保每一维的进化信息都可以被评估进行保留。对10个函数优化问题、压力容器和焊接梁问题进行求解,结果具有竞争性。(3)给出一种求解0-1背包问题的改进鲸鱼优化算法(LBWOA),丰富了算法在离散优化领域中的求解思路。0-1背包问题是一类组合优化问题,应用背景较为广泛,求解该问题时需满足背包最大载重的限制。对于9个不同维度的背包问题,LBWOA均可以求出问题的理论最优解,在各对比算法中排名第一。本文以鲸鱼算法为基础,提出了不同的改进算法,对于函数优化、工程优化以及0-1背包问题的求解均得到了理想效果。本文的研究充实了鲸鱼算法的理论基础,提高了算法的优化能力,拓宽了算法的应用范围,对鲸鱼算法的发展具有一定的理论价值和现实意义。