共生生物体搜索算法因其结构简单,易于实现,可调参数少且稳定性强等特点而受到国内外学者的广泛关注。目前,共生生物体搜索算法已被成功应用于多个领域,如电力系统,交通调度,智能制造等。尽管在算法理论和应用上已经取得了一些成功,但研究者在解决复杂优化问题时发现该算法在收敛速度和求解精度上还有待进一步改进以获得更优的性能。本论文针对共生生物体搜索算法存在求解精度、后期收敛速度、局部开采能力等不足,在基本共生生物体搜索算法的基础上,通过多策略融合来增强优化算法的性能,目的在于完善其算法的理论基础,扩大其应用范围。本文的工作主要有:(1)针对IIR滤波器设计中存在的多模态误差平面使得传统优化算法易被局部最小误差平面误导,利用共生生物体搜索算法的全局搜索能力搜索最小误差平面,可避免过早陷入局部最优的同时提高了寻优精度。实验结果表明利用共生生物体搜索算法最小化误差平面能够为IIR滤波器设计提供较稳健的滤波器参数,使得系统识别性能最佳。(2)受自然界生物免疫特性的启发,将抗寄生免疫算法分别嵌入共生生物体搜索的寄生阶段、偏利共生阶段、寄生和偏利共生阶段来探索增强对算法性能的影响,提出抗寄生免疫增强型共生生物体搜索算法并将应用于一些工程优化问题。实验结果表明免疫寄生增强型共生生物体搜索算法显示出了良好的优化性能。(3)通过自适应转换函数将共生生物体搜索机制映射到二进制离散空间,提出一种二进制共生生物体搜索算法且用于解决特征选择与分类问题。实验结果表明二进制共生生物体搜索算法能够搜索到最小数目的特征组合,并且用所搜索到的特征构建的分类模型能够保证较高的分类精度。