人工生命算法(ALA)是一种基于群体智能的演化计算方法。系统初始化为一组随机解，通过迭代搜索最优值。同遗传算法等其它人工生命计算方法相比，人工生命算法(ALA)概念简单、容易实现、参数鲁棒性较好。目前人工生命算法已经引起人们的关注，有望成为一个新的研究热点。人工生命优化算法的研究还处于初级阶段，还有很多方面的问题需要深入研究。本文实现了标准人工生命算法ALA，在此基础上，针对算法搜索精度不高，收敛速度慢等缺点，从生物学的角度引入捕食策略，设计改进算法，并通过优化基本的测试函数进行仿真实验，验证了改进效果。针对特定问题，本文提炼出了应用于本算法的人工优选机制，有效的保留了较优解及其寻优区域，并结合捕食策略，设计了引入优选机制的双层人工生命算法，实验结果表明，双层算法的开发能力和探索能力均明显优于标准算法，给本算法系统提出了一个很好的研究思路，对算法能力的发挥起到了提高作用。本课题进一步讨论了参数系统的设定和参数设置对算法的影响，总结了相应的规律，扩展了算法的应用范围。设计了人工生命算法的通用程序，实现了任意维优化问题的计算平台。最后，将改进的人工生命算法应用到系统辨识问题上，在提出了系统辨识参考模型的基础上，对系统参数进行了有效的辨识，验证并探讨了算法的应用价值。